典型文献
尺度敏感损失与特征融合的快速小目标检测方法
文献摘要：
现有通用深度学习目标检测方法对中、大目标有着较好的检测精度,而对小目标检测精度较低,主要原因在于小目标训练数据少以及下采样后特征图分辨率过低.针对上述问题,一方面,提出一种尺度敏感损失函数用于分类热图的训练,使小目标能够对模型更新产生更大的影响;另一方面,利用反卷积与可变形卷积提出一种自上而下的特征融合方法,获得高分辨率、强语义的特征图来检测目标.在上述两个方面的基础上,设计一种尺度敏感与特征融合的小目标检测方法.在PASCAL VOC数据集上,对提出方法进行了实验验证,实验结果表明:相比于现有目标检测方法,本文方法在保持较快检测速度的同时,提升了小目标检测的精度.
文献关键词：
深度学习;小目标检测;尺度敏感损失;特征融合
中图分类号：
作者姓名：
琚长瑞;秦晓燕;袁广林;李豪;朱虹
作者机构：
中国人民解放军陆军炮兵防空兵学院计算机教研室,安徽合肥230031
文献出处：
引用格式：
[1]琚长瑞;秦晓燕;袁广林;李豪;朱虹-.尺度敏感损失与特征融合的快速小目标检测方法)[J].电子学报,2022(09):2119-2126
A类：
尺度敏感损失
B类：
特征融合,小目标检测,目标检测方法,学习目标,大目标,标有,检测精度,训练数据,下采样,特征图,损失函数,热图,模型更新,反卷积,可变形卷积,融合方法,PASCAL,VOC,快检,检测速度
AB值：
0.243228
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。
