基于大内核自适应融合的小目标检测算法

作     者：王磊 胡君红 任洋 

作者机构：华中师范大学物理科学技术学院 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(60101204) 湖北省自然科学基金(2020CFB474) 

主　　题：大内核 小目标 上下文信息 特征细化 自适应融合 感受野 

摘      要：针对当前基于卷积神经网络的单阶段目标检测算法（YOLO系列、VFNet等）在高空拍摄场景下面临目标背景复杂、检测精度低和特征混叠等问题，提出了一种端到端的目标检测算法CSPENet。首先，采用基于大内核深度卷积CSPNeXt作为模型主干，提高了模型捕捉全局上下文的能力。其次，通过引入特征细化块在空间和通道维度上生成自适应权重可有效抑制混叠特征，并在特征融合阶段添加基于移动网络的感受野注意力机制解决了大内核参数共享问题。最终，通过采用EIoU损失函数作为模型的回归损失函数，并拆分预测框和真实框纵横比的影响因子，以提高模型收敛速度并改善定位效果。实验结果表明，CSPENet在VisDrone-DET数据集上相对于DINO算法平均准确率提升4.4%，为小目标检测算法研究及其应用提供新的参考方案。