样本重采样小目标检测算法的改进

作者：李睿康; 焦新泉^*; 陈建军

来源：电子测量技术, 2021, 44(13): 41-47.

DOI：10.19651/j.cnki.emt.2106730

• 目标检测
• 图像金字塔
• 注意力机制
• 深度学习

在小目标检测领域中,很多算法以增加模型的复杂度为代价提高了精度,但是带来了较大的计算负担和设备要求。针对模型中复杂度和检测精度之间的矛盾,提出了一种改进的图像金字塔上样本重采样策略算法。该算法只需计算少量的样本数据,并且引入少量参数的轻量化注意力机制模块。实验在COCO数据集上进行了训练和测试,重采样策略mAP值为40.6%,引入注意力模块改进后为42.1%,且引入注意力模块后权重文件大小只增加了2%。实验结果表明,对样本重采样算法的改进能够在提升检测精度的同时,增加的计算负担较小,验证了轻量化注意力模块的有效性。

• 单位
  中北大学