一种采用圆形锚框的小目标检测方法RA-YOLO
胡笳
中电鸿信信息科技有限公司 江苏南京 210000
摘要：基于深度学习的目标检测算法发展已经有了好几座里程碑,如从两阶段到单阶段、有基于锚框的或无锚框的检测以及基于Transformer的端到端方法等等.但是这些算法检测小物体的效果均仍有进步空间.因此设计了一种在YOLOv5 基础上进行改进的、针对小物体的目标检测方法RA-YOLO(ring anchor YOLO).考虑到小物体在图像中占据的面积较小、长宽比差异可能很大等问题,提出将常用的矩形锚框改为极坐标系下的圆形锚框,通过对极角的回归来确定圆形锚框的一个内接矩形从而定位目标;同时在此基础上设计了对尺度更为敏感的标签分配技术,新增了塔中塔结构、解耦了检测头中的分类和回归分支等.在MS COCO 2017和VisDrone数据集上的实验结果表明,RA-YOLO方法在相近的推理速度下,整体准确率和小目标检测的效果均超过了YOLOv5 或其它一些常见的方法.
关键词：目标检测基于锚框标签分配YOLO深度学习
论文发表日期：2023-09-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 43-47 )