计算机应用研究

作者：段秉环,文鹏程,李鹏,

单位：中国航空工业集团公司西安航空计算技术研究所机载弹载计算机航空科技重点实验室,西安710065；

关键词：小目标检测,小目标数据集,PVANet算法,区域建议网络,学习率策略,

基金：航空科学基金资助项目(2015ZC31005,2017ZC31008)；；

现有目标检测算法主要以图像中的大目标作为研究对象，针对小目标的研究比较少且存在检测精确度低、无法满足实时性要求的问题，基于此，提出一种基于深度学习目标检测框架PVANet的实时小目标检测方法。首先，构建一个专用于小目标检测的基准数据集，它包含的目标在一幅图像中的占比非常小且存在截断、遮挡等干扰，可以更好地评估小目标检测方法的优劣；其次，结合区域建议网络（RPN）提出一种生成高质量小目标候选框的方法以提高算法的检测精确度和速度；选用step和inv两种新的学习率策略以改善模型性能，进一步提升检测精确度。在构建的小目标数据集上，相比原PVANet算法平均检测精确度提高了10.67%，速度提升了约30%。实验结果表明，该方法是一个有效的小目标检测算法，达到了实时检测的效果。

来源：2020年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第2期