典型文献
基于特征融合和自学习锚框的高分辨率图像小目标检测算法
文献摘要：
为了提高高分辨率图像中小目标的检测精度,解决高分辨率图像在下采样和局部裁切时由于细节和背景信息丢失造成的漏检和误检问题,本文提出了一种基于特征融合和自学习锚框的小目标检测算法.算法采用多路分支网络对高分辨率图像的全局语义和细节特征平滑后逐层融合,以同时增强特征图上小目标的细节和背景特征.针对训练样本尺寸差异造成不同分支网络上特征表达不一致的问题,本文引入自学习锚框使融合后的特征图能够适应锚框的位置和形状.使用本文算法与目前先进的目标检测算法对下采样图像和切块检测,大量实验结果验证了本文算法对高分辨率图像小目标检测的准确性和有效性.
文献关键词：
小目标检测;特征融合;自学习锚框;高分辨率图像
中图分类号：
作者姓名：
李超;黄新宇;王凯
作者机构：
湖北工业大学计算机学院,湖北武汉430068
文献出处：
引用格式：
[1]李超;黄新宇;王凯-.基于特征融合和自学习锚框的高分辨率图像小目标检测算法)[J].电子学报,2022(07):1684-1695
A类：
自学习锚框
B类：
特征融合,高分辨率图像,小目标检测,目标检测算法,检测精度,下采样,裁切,切时,背景信息,信息丢失,漏检,多路,分支网,全局语义,细节特征,逐层,特征图,背景特征,训练样本,特征表达,切块
AB值：
0.205525
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
