基于改进Faster R-CNN图像小目标检测

作者：王凯; 潘炼

来源：电视技术, 2019, 43(20): 77-80.

DOI：10.16280/j.videoe.2019.20.030

• Faster R-CNN
• 空洞卷积
• 特征融合
• k-means
• 小目标检测

为了实现光照不均匀、噪声干扰下的图像小目标识别,提出了一种改进的Faster-RCNN的小目标检测方法。使用不同膨胀率的空洞卷积来代替池化层,通过扩大感受野增强主干网络的特征提取能力,同时将低层特征图和高层特征图进行特征融合,提高小目标的检测能力;其次使用k-means聚类算法生成适合本数据集的基准锚框,提高定位精度;最后在Fast R-CNN网络中引入新的特征提取层,并在损失函数中增加光照约束条件,以此学习图像光照感知特征。在自制数据集上做了对比实验,结果表明,改进后的算法检测精度提高了5.54%,验证了算法的有效性。

• 单位
  武汉科技大学