用户登录
期刊信息
  • 主管单位:
  • 中国科学技术协会
  • 主办单位:
  • 中国仪器仪表学会、上海光学仪器研究所、中国光学学会工程光学专业委员会
  • 主  编:
  • 庄松林
  • 地  址:
  • 上海市军工路516号上海理工大学《光学仪器》编辑部
  • 邮政编码:
  • 200093
  • 联系电话:
  • 021-55270110
  • 电子邮件:
  • gxyq@usst.edu.cn
  • 国际标准刊号:
  • 1005-5630
  • 国内统一刊号:
  • 31-1504/TH
  • 邮发代号:
  • 单  价:
  • 15.00
  • 定  价:
  • 90.00
基于改进特征金字塔的小目标增强检测算法
Small object enhancement detection algorithm based on improved feature pyramid
投稿时间:2022-03-06  
DOI:10.3969/j.issn.1005-5630.2022.005.002
中文关键词:  特征金字塔  小目标检测  特征增强  特征融合
英文关键词:feature pyramid network  small object detection  feature enhancement  feature fusion
基金项目:国家自然科学基金(61975125)
作者单位E-mail
瑚琦 上海理工大学 光电信息与计算机工程学院上海 200093
上海理工大学 上海市现代光学系统重点实验室上海 200093 
 
卞亚林 上海理工大学 光电信息与计算机工程学院上海 200093
上海理工大学 上海市现代光学系统重点实验室上海 200093 
192380303@st.usst.edu.cn 
王兵 上海理工大学 光电信息与计算机工程学院上海 200093
上海理工大学 上海市现代光学系统重点实验室上海 200093 
 
摘要点击次数: 50
全文下载次数: 80
中文摘要:
      小尺寸的物体由于其在图像中分辨率相对较低的原因,在检测任务中容易被丢失和误判。针对目前目标检测算法对小尺寸目标检测精确度远低于其他尺寸目标检测精度的问题加以改进,将小尺寸目标特征增强融入特征金字塔结构。利用多尺度特征融合的特征增强能力丰富小尺寸目标特征层的特征信息,从而使小尺寸目标检测精准度得到提升。将改进特征金字塔结构应用于YOLOv3网络,实验对比研究表明,小尺寸目标检测精准度可以达到0.179,较原网络提升了22.6%。
英文摘要:
      Small objects are easy to be lost and misjudged in the detection task because of their relatively low resolution in the image. Aiming at the problem that the detection accuracy of small-scale targets in the current target detection algorithm is much lower than that of other sizes, the feature enhancement of small-scale targets is integrated into the feature pyramid structure to avoid the lack of small-scale feature information. The feature enhancement ability of multi-scale feature fusion is used to enrich the feature information of small-scale target feature layer, so as to improve the accuracy of small-scale target detection. The improved feature pyramid structure is applied to YOLOv3 network. The experimental comparative study shows that the detection accuracy of small-scale targets can reach 0.179, which is 22.6% higher than the original network.
HTML   查看全文  查看/发表评论  下载PDF阅读器
关闭