基于自适应特征融合和任务对齐的小目标检测算法
Small target detection algorithm based on adaptive feature fusion and task alignment作者机构:华中师范大学物理科学与技术学院武汉430079
出 版 物:《激光杂志》 (Laser Journal)
年 卷 期:2024年第45卷第2期
页 面:36-42页
学科分类:080901[工学-物理电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程]
基 金:国家自然科学基金(No.62101204) 湖北省自然科学基金(No.2020CFB474)
主 题:小目标检测 注意力机制 任务对齐 通道注意力 自适应特征融合
摘 要:小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题,提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进,引入ConvNeXt作为骨干网络,通过嵌入CBAM注意力机制和自适应特征融合模块的特征金字塔结构提升兴趣区域的特征提取能力,同时在检测头加入可变形卷积,显著改善了对于小目标物体的检测能力,最后引入CIoU回归损失函数来训练模型。实验结果表明,C-SODNET在VisDrone2019小目标检测数据集mAP_(50)为51.2%,相较于TOOD算法准确率提升了9.4%,小目标物体的精确率APs提高了7.3%,验证了算法的有效性。该算法可为高空或远距离场景小目标检测应用提供了有效解决方案。