基于自适应特征增强的小目标检测网络
摘要
由于尺寸有限、外观和几何线索较少以及缺少大规模小目标数据集，从图像中检测小目标仍然是计算机视觉领域中一个具有挑战性的难题。针对这个问题，提出一种自适应特征增强的目标检测网络（YOLO-AFENet）来改善小目标的检测精度。首先，通过引入特征融合因子，设计改进的自适应双向特征融合模块，充分利用各个尺度的特征图，提高网络的特征表达能力；其次，结合网络自身的特点，提出空间注意力生成模块，通过学习图像中感兴趣区域的位置信息以提高网络的特征定位能力。在UAVDT数据集上实验结果表明：所提YOLO-AFENet的平均精度（AP）比改进前的YOLOv5提高了6.3个百分点，同时也优于其他目标检测网络。
引用本文（GB/T 7714）
吴萌萌 Wu Mengmeng, 张泽斌 Zhang Zebin, 宋尧哲 Song Yaozhe, 等. 基于自适应特征增强的小目标检测网络[J]. Laser & Optoelectronics Progress, 2023.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。