科研之友
微信
新浪微博
Facebook
分享链接
摘要
小目标因浅层特征语义不足而深层特征信息缺失导致极难检测，而无人机视角场景复杂，检测难度进一步增大。普遍提升小目标检测精度的方法是进行不同层级的特征融合，但这会导致特征高冗余问题，并非所有特征层都值得被激活传递到后方的数据预测中去。针对上述问题对CenterNet进行改造，首次将其与自适应特征激活相结合，提出自适应基础模块（MSA），抑制冗余特征的表达；在主干输出处引入升维全局上下文注意力模块（GC-Block），强化关键点语义信息；用深度可分离卷积与Mish激活搭建高质量解码块（DW），在不增加模型复杂度的情况下提升解码精度。在公开的无人机捕获小目标数据集上进行对比实验，改进算法的AP较原始算法提升了2.2个百分点，召回率提升了2.4个百分点，验证了改进算法对小目标检测任务的有效性。
- 出版日期2022
- 单位西南交通大学
