-
题名改进CenterNet的无人机小目标捕获检测方法
被引量：9
- 1
-
-
作者
刘鑫
黄进
杨涛
王晴
-
机构
西南交通大学电气工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第14期96-104,共9页
-
基金
国家自然科学基金(61733015)
高铁联合基金(U1934204)
+1 种基金
四川省重点研发计划(2020YFQ0057)
四川省自然资源科研项目(KYL202106-0099)。
-
文摘
小目标因浅层特征语义不足而深层特征信息缺失导致极难检测,而无人机视角场景复杂,检测难度进一步增大。普遍提升小目标检测精度的方法是进行不同层级的特征融合,但这会导致特征高冗余问题,并非所有特征层都值得被激活传递到后方的数据预测中去。针对上述问题对CenterNet进行改造,首次将其与自适应特征激活相结合,提出自适应基础模块(MSA),抑制冗余特征的表达;在主干输出处引入升维全局上下文注意力模块(GC-Block),强化关键点语义信息;用深度可分离卷积与Mish激活搭建高质量解码块(DW),在不增加模型复杂度的情况下提升解码精度。在公开的无人机捕获小目标数据集上进行对比实验,改进算法的AP较原始算法提升了2.2个百分点,召回率提升了2.4个百分点,验证了改进算法对小目标检测任务的有效性。
-
关键词
无人机捕获目标检测
小目标检测
anchor-free
自适应激活
注意力机制
-
Keywords
UAV capture target detection
small object detection
anchor-free
adaptive activation
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
