超分辨率重建的小目标智能检测方法

作者：蔡心悦; 周杨; 胡校飞; 吕亮; 赵璐颖; 彭杨钊

来源：激光与光电子学进展, 2022, 1-14.

• 小目标检测
• 超分辨率增强
• 卷积神经网络
• 多尺度特征融合
• 边缘锐化

针对小目标占有像素少导致检测精确率低的问题，本文提出一种基于超分辨率重建的小目标检测算法。首先，通过图像预处理对高分辨率图像分块并筛选出含有目标的子图像；其次，构建超分辨率锐化增强模块，引入锐化图像和锐化损失，以获得边缘更清晰的高分辨率子图像；然后，采用多尺度锐化目标检测模块检测目标，该模块添加边缘锐化模型，在深层特征层中进一步锐化图像边缘，弥补深层卷积对细节的损失；最后，根据子图像编号将小目标检测结果回归到原图像中，完成小目标图像检测。本文提出的检测算法在PASCAL VOC数据集和COCO 2017数据集上进行验证，平均检测精确率(mean Average Precision, mAP)分别为85.3%和54.0%，其中，COCO数据集的小目标检测精确率为43.5%，高于次优值9.7%。本文算法可以有效减少小目标漏检的情况，提高检测精确率。

• 单位
  河南建筑职业技术学院; 信息工程大学地理空间信息学院