基于改进YOLOX的微小目标快速检测方法

作者：李家俊; 杨杰^*

来源：江西冶金, 2023, 43(02): 164-172.

DOI：10.19864/j.cnki.jxye.2023.02.012

• 微小目标检测
• YOLOX
• TinyPerson数据集
• 机器视觉

针对微小目标检测存在准确率低、速度慢等问题，提出了一种基于改进YOLOX的微小目标快速检测方法。改进YOLOX算法中嵌入了一种轻量级的卷积块注意力模块（Convolutional Block Attention Module, CBAM），以帮助算法在大背景中找寻局部密集而微小的潜在目标区域，增强微小目标特征提取能力；使用DIoU损失函数优化收敛速度，提升目标检测的定位能力；在解耦头中引入Focal Loss作为置信度损失函数，缓解难易样本数量的不均衡。结果表明，改进算法在TinyPerson数据集上平均正确率（Average Precision,AP）最高可达52.69%，同时，改进YOLOX-s算法在Tesla P100上分辨率为1 440×928像素的图片检测速度可达35 FPS(Frames Per Second)。

• 出版日期2023
• 单位自动化学院; 江西理工大学