改进RetinaNet模型的小目标检测

作者：吴正平; 张程鹏; 雷帮军; 赵俊臣

来源：计算机仿真, 2022, 1-10.

• 深度学习
• 目标检测
• 注意力机制
• 小目标检测

小目标检测是目标检测任务中的难点问题之一，低分辨率的小目标存在可视化信息少、小目标占比小、在图像中分布不均匀等问题。为了应对这些挑战，提出了一种基于注意力机制改进的RetinaNet算法。首先对原始RetinaNet算法的特征提取模块ResNet-FPN进行改进，使网络能够更全面地提取目标特征信息；其次在FPN模块的P3层和P4层添加注意力机制，设计了精度更高的目标检测器ResNet-FPN~(*)-Attention-RetinaNet。实验结果表明，相比于原始的RetinaNet网络，提出的ResNet-FPN~(*-)Attention-RetinaNet网络在VOC2007测试集上的平均精度提升了0.55%；在制作的交通目标数据集上平均精度提升了2.3%，针对小目标的AP提高了4.52%。实验证明了所提出的ResNet-FPN~(*-)Attention-RetinaNet网络比RetinaNet更加准确，更加适用于小目标检测任务。

• 出版日期2022-10-31
• 单位三峡大学