-
题名轻量化的多尺度特征校准小目标检测网络
- 1
-
-
作者
徐杰
郭立君
冯海
徐栋炯
张荣
-
机构
宁波大学信息科学与工程学院
浙江中烟工业有限责任公司宁波卷烟厂
-
出处
《计算机应用》
北大核心
2025年第S1期228-234,共7页
-
基金
宁波市科创甬江2035重大应用示范计划项目(2023Z196)。
-
文摘
为了解决复杂工业场景中边缘设备部署和小目标检测的漏检问题,提出一种轻量化的多尺度特征校准小目标检测网络(LMFC-Net)。首先,针对由于网络层数加深导致的浅层特征信息丢失及空间特征错位问题,提出多尺度特征校准的特征金字塔网络(MSFC-FPN),利用深层特征校准浅层特征,在降低参数量的同时,提高模型对密集小目标的检测能力;其次,提出一种轻量化的共享参数卷积检测头(LSPC-Head),显著提升特征表达能力,并有效降低模型的参数和计算量;最后,通过通道剪枝和特征蒸馏降低计算和内存开销,并提升检测精度,使它适用于资源受限设备。实验结果表明,在FactorySafeDet数据集上,与YOLOv8n相比,LMFC-Net的参数量和计算量分别降低了76.7%和24.7%,召回率和平均精度均值(mAP50)分别提高了5.9和2.7个百分点。此外,在VisDrone2019、CrowdHuman和PCB公开数据集上,LMFC-Net具有良好的泛化性。与其他单阶段目标检测模型相比,LMFC-Net具有更小的模型参数量、计算量和更优的检测效果。
-
关键词
小目标检测
轻量化
多尺度特征校准
特征金字塔网络
共享参数卷积检测头
-
Keywords
small object detection
lightweight
multi-scale feature calibration
Feature Pyramid Network(FPN)
sharedparameter convolutional detection head
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
