典型文献
基于特征融合的CenterNet小目标检测方法
文献摘要：
在深度学习目标检测中,小目标指的是待检测图像中覆盖区域较小的一类目标.小目标包含的信息量不足且在一般数据集中数量较少,导致现有的目标检测方法对小目标的检测效果不够理想.针对小目标检测问题,提出一种基于特征融合的CenterNet快速小目标检测方法.该方法根据卷积神经网络不同深度特征的特点,将特征从高到低逐层进行融合,在高分辨率的融合特征上进行预测,提高了模型对小目标的检测能力.同时,针对现有数据集中小目标数量较少问题,提出一种简单有效的数据预处理方法,在训练集中加入高分辨率、低信息量的图像,用其中的大目标帮助模型学习同类、相似小目标特征.实验结果表明,所提出的方法相比于原始CenterNet对小目标的检测能力提升明显.
文献关键词：
深度学习;小目标检测;特征融合;数据预处理
中图分类号：
作者姓名：
琚长瑞;袁广林;秦晓燕;李豪
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 合肥 230031
文献出处：
引用格式：
[1]琚长瑞;袁广林;秦晓燕;李豪-.基于特征融合的CenterNet小目标检测方法)[J].舰船电子工程,2022(04):39-42,58
A类：
B类：
特征融合,CenterNet,小目标检测,目标检测方法,学习目标,覆盖区域,类目,信息量,一般数据,检测效果,检测问题,不同深度,深度特征,逐层,层进,融合特征,数据预处理方法,训练集,大目标,模型学习,小目标特征,检测能力提升
AB值：
0.27472
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。
