科研之友
微信
新浪微博
Facebook
分享链接
摘要
在深度学习目标检测中，小目标指的是待检测图像中覆盖区域较小的一类目标。小目标包含的信息量不足且在一般数据集中数量较少，导致现有的目标检测方法对小目标的检测效果不够理想。针对小目标检测问题，提出一种基于特征融合的CenterNet快速小目标检测方法。该方法根据卷积神经网络不同深度特征的特点，将特征从高到低逐层进行融合，在高分辨率的融合特征上进行预测，提高了模型对小目标的检测能力。同时，针对现有数据集中小目标数量较少问题，提出一种简单有效的数据预处理方法，在训练集中加入高分辨率、低信息量的图像，用其中的大目标帮助模型学习同类、相似小目标特征。实验结果表明，所提出的方法相比于原始CenterNet对小目标的检测能力提升明显。
- 单位
