基于特征空间与坐标卷积的小目标检测算法
Small Object Detection Based on Feature Space and Coordinate Convolution作者机构:西安邮电大学电子工程学院西安710121
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第19期
页 面:209-220页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:陕西省自然科学基金(2011JM8038) 陕西省重点产业创新链(群)项目(S2019-YF-ZDCXL-0098)
摘 要:为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题,提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块(feature spatial model,FSM),利用卷积为不同特征的感受野分配自适应权重,增强主干网络特征提取能力;将坐标卷积模块(coordinate convolution model,CCM)嵌入模型颈部,精准定位目标所在位置,提高密集场景下小目标检测精度;删减原始层并添加小目标检测层,减少语义损失,充分提取浅层特征图中信息,强化高空图像中微小目标检测性能。实验结果表明,在VisDrone2019数据集上,改进后模型的精确率较YOLOv5提高4.1个百分点,mAP@0.5和mAP@0.5:0.95分别提高4.6个百分点和3.2个百分点,从而验证了提出模型在无人机检测小目标场景中具备有效性。