基于双流对比特性学习和图像多尺度退化增强的小目标检测方法OA北大核心CSTPCD
针对小目标检测任务中目标图像尺寸小、目标特征信息模糊、目标和背景难区分等问题,提出一种基于双流对比特性学习和图像多尺度退化增强的小目标检测方法.首先,将对比学习模型的输入图像进行多尺度退化增强,增强算法对小目标的捕获感知;其次,在空间域和频率域同时进行对比学习表征,以学习更具鉴别性的目标识别特征,增强模型对目标与背景的区分能力,从而提高小目标检测的效果.为验证所提方法的有效性设计了消融实验,并对比分析了与其他先进算法的检测性能优劣.实验结果表明:所提方法在MS COCO数据集上平均精度均值mAP相较基线算法提升3.6个百分点,小目标平均精度均值mAP_(S)相较主流先进算法提升7.7个百分点;在VisDrone2019数据集上,所提方法平均精度均值mAP较基线算法提升2.4个百分点,所提方法综合性能优于基线算法与其他主流先进算法.可视化检测效果分析表明,所提方法在小目标检测上的漏检、误检问题得到较大改善.
王宇;何志;康朋新;涂晓光;周超;刘建华;雷霞;王文敬
中国民用航空飞行学院航空电子电气学院,广汉618307中国民用航空飞行学院航空电子电气学院,广汉618307西南技术物理研究所,成都610041中国民用航空飞行学院航空电子电气学院,广汉618307 四川大学计算机学院,成都610065 中国民用航空飞行学院,四川省通用航空器维修工程技术研究中心,广汉618307中国民用航空飞行学院航空电子电气学院,广汉618307中国民用航空飞行学院航空电子电气学院,广汉618307中国民用航空飞行学院航空电子电气学院,广汉618307中国民用航空飞行学院航空电子电气学院,广汉618307
计算机与自动化
小目标检测对比学习双流网络图像退化图像增强多尺度
《南京信息工程大学学报》 2024 (6)
P.737-750,14
中国博士后科学基金(2022M722248)中央高校基本科研业务费(ZHMH2022-004,J2022-025,J2023-026)民航飞行技术与飞行安全重点实验室自主项目(FZ2021ZZ03)。
评论