基于特征融合的CenterNet小目标检测方法
琚长瑞
袁广林
秦晓燕
李豪
中国人民解放军陆军炮兵防空兵学院计算机教研室 合肥 230031
摘要：在深度学习目标检测中,小目标指的是待检测图像中覆盖区域较小的一类目标.小目标包含的信息量不足且在一般数据集中数量较少,导致现有的目标检测方法对小目标的检测效果不够理想.针对小目标检测问题,提出一种基于特征融合的CenterNet快速小目标检测方法.该方法根据卷积神经网络不同深度特征的特点,将特征从高到低逐层进行融合,在高分辨率的融合特征上进行预测,提高了模型对小目标的检测能力.同时,针对现有数据集中小目标数量较少问题,提出一种简单有效的数据预处理方法,在训练集中加入高分辨率、低信息量的图像,用其中的大目标帮助模型学习同类、相似小目标特征.实验结果表明,所提出的方法相比于原始CenterNet对小目标的检测能力提升明显.
关键词：深度学习小目标检测特征融合数据预处理
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2022-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 39-42,58 )
英文信息