计算机应用研究

作者：吕晓君,向伟,刘云鹏,

单位：1.中国科学院沈阳自动化研究所,沈阳110016；2.中国科学院机器人与智能制造创新研究院,沈阳110169；3.中国科学院大学,北京100049；4.中国科学院光电信息处理重点实验室,沈阳110016；5.辽宁省图像理解与视觉计算重点实验室,沈阳110016；

关键词：无人机,底层特征,深度学习,小目标检测,

基金：中国科学院科技创新重点基金资助项目(Y8K4160401)；；

针对无人机航拍图像小目标检测整体精度低、漏检误检的问题，提出了一种新的基于强化底层特征的多尺度小目标检测方法。该方法以Faster R-CNN-ResNet-50-FPN为基础模型，首先，设计提出了新的DetNet-59特征提取网络；其次，设计了扁平的Flat-FPN特征融合网络来提高强化底层特征；最后通过引入soft-NMS解决小目标重叠问题。所提出的算法在VOC2007和VisDrone2019数据集上进行仿真实验测试，在时间消耗提升不大于2%的情况下，mAP较基础模型提高了约11%，并且检测精度也优于现阶段的常用算法。实验结果表明，该算法在保证实时性的同时可以有效提高小目标检测精度。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期