基于改进Faster R-CNN的航拍小目标检测方法  

Aerial Small Target Detection Method Based on Improved Faster R-CNN

作　　者：许子阳[1] Xu Ziyang

机构地区：[1]山东交通职业学院

出　　处：《船舶标准化与质量》2024年第4期30-37,共8页Shipbuilding Standardization & Quality

摘　　要：针对航拍图像背景复杂,目标可视化特征不明显等问题,提出了一种基于改进Faster R-CNN的弱小行人或海上小型浮体等小目标检测方法。首先,为了提取到更具鉴别性的深层特征,使用性能更强的ResNet作为特征提取网络,以提升主干网络提取到的多尺度特征的表征能力。其次,为了提升模型针对小目标的检测精度,引入多尺度检测策略。考虑到不同深度特征的特点,使用空间注意力机制将不同尺度的检测任务分配给不同深度的特征。最后,为了提升特征的质量,设计了基于边缘增强的特征融合模块,该模块通过引入额外的软边缘先验信息增强特征的质量。实验结果表明,改进的Faster R-CNN可以有效提升海上和岸基小目标的检测精度,在公开数据集TinyPerson上的均值平均精度相比基线模型Faster R-CNN从13.4提升至38.48,有效提高海上救援、海上侦查的精度和准确度。

关 键 词：目标检测 注意力机制 软边缘 特征增强 海上救援 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]