-
题名基于加权跳动多级特征融合的小目标检测算法
- 1
-
-
作者
吕学强
刘梦可
韩晶
董志安
-
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
北京信息科技大学机电系统测控北京市重点实验室
-
出处
《激光杂志》
北大核心
2025年第6期79-88,共10页
-
基金
国家自然科学基金(No.62171043)
北京市自然科学基金(No.4232025)
北京市教委科研计划科技一般项目(No.KM202311232003)。
-
文摘
目前目标检测技术虽然趋向于成熟,但是对航拍图像的检测仍然存在挑战。针对航拍图像中目标排列密集、背景复杂、小目标数量多导致目标检测精度较低的问题,提出一种基于YOLOv7改进的加权跳动多级特征融合网络WBMFF-YOLO。首先构建多尺度通道分割模块,增强浅层特征图中的空间位置等细节信息;设计加权跳动多级特征融合结构,将之前的Concat采用加权方式进行替换,使不同层级的特征相互补充,增强特征表达的丰富性和鲁棒性;使用感受野协调注意力机制模块对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失;为了解决小目标漏检问题,设计新的解耦头加强对小目标的检测能力。实验证明,在VisDrone2021和DOTA1.5数据集上,提出的方法检测精度分别达到56.2%、77.6%。相比于原始YOLOv7,分别提高了7.3%和2.2%,证明了改进方法在航拍图像中的有效性。
-
关键词
目标检测
多尺度通道分割
加权跳动多级特征融合
感受野协调注意力
解耦网络
-
Keywords
object detection
multi-scale channel segmentation
weighted beating multi-level feature fu-sion
receptive field coordination attention
decoupling network
-
分类号
TN911
[电子电信—通信与信息系统]
-