-
题名基于高表征能力特征处理模块的小目标检测
被引量：10
- 1
-
-
作者
向华桥
崔文超
刘世焯
孙水发
-
机构
三峡大学计算机与信息学院
-
出处
《计算机工程与设计》
北大核心
2021年第5期1360-1367,共8页
-
基金
国家自然科学基金项目(61871258)。
-
文摘
针对小目标检测性能较差的问题,从影响性能的关键因素特征信息损失入手,设计一种特征信息处理模块CHRNet。结合HRNet高分辨率表征和CARAFE精细化上采样的特点,随着特征处理进程,设计不同的特征图融合方法,采用越来越有效的上采样方法,在保持一定计算效率的条件下最大化CHRNet的表征能力。针对突出的样本不平衡对损失函数进行调整,设计适合小目标的Anchor。在MOCOD和VEDAI两个数据集上进行实验,实验结果表明,采用CHRNet的检测网络减少了特征信息的损失,提高了网络的表征能力,使COCO标准下的检测精度提升约4.5个百分点,其中CHRNet带来约3.8个百分点的提升。
-
关键词
小目标检测
卷积神经网络
特征信息损失
样本不平衡
高表征能力
-
Keywords
small object detection
convolutional neural network
loss of feature information
imbalance of sample
high characterization ability
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
