加权网络下的小目标检测算法

作者：陈灏然; 彭力; 李文涛; 戴菲菲

来源：计算机科学与探索, 2021, 1-13.

• 小目标检测
• 目标增强
• 跨信道交互
• 加权网络

对于一幅图的观察，我们本能上会更多关注这幅图中相对更醒目的对象。一般情况下，这类对象会在这幅图中占据较大比重，从而导致小目标被我们忽视。在常用的数据集中也会出现这种状况，很容易发现较多图片中的小物体并没有被标出。此外，因为小目标所在区域往往为弱测区域，即周围没有更多的其他物体，所以在检测器提取特征的过程中能够提取的特征并不是很多。并且在提取完特征后在层间图片信息传递的过程中导致部分特征的丢失，使得针对小目标检测的效果并不是很好。因此，本文在单阶检测器的基础上，加入了跨信道交互的机制确保层间信息的完整，同时采取对训练样本进行目标增强并且设计了一个通用的损失函数并在此基础上改进样本加权网络来预测样本的任务权重。该算法框架在VOC公开数据集上的mAP为81.2%，在自制的小目标航拍数据集的mAP为82.3%。相对于FSSD算法牺牲了部分速度，得到了精度方面的较大提升。

• 单位
  江南大学