典型文献
加权网络下的小目标检测算法
文献摘要：
对于一幅图的观察,本能上会更多关注这幅图中相对更醒目的对象.通常这类对象会在这幅图中占据较大比重,从而导致小目标被忽视.由于小目标所在区域往往为弱测区域,检测器提取特征的过程中能够提取的特征较少,且在提取完特征后在特征信息传递的过程中容易丢失,使得针对小目标检测的效果并不是很好.因此,在单阶检测器的基础上,加入了跨信道交互的机制确保层间信息的完整,同时采取对训练样本进行目标增强并且设计了一个通用的损失函数,在此基础上改进样本加权网络预测样本的任务权重.提出的框架UWN在VOC公开数据集上的mAP为81.2％,在自制的小目标航拍数据集的mAP为82.3％.相对于FSSD算法,牺牲了部分速度,得到了精度方面的较大提升.
文献关键词：
小目标检测;目标增强;跨信道交互;加权网络
中图分类号：
作者姓名：
陈灏然;彭力;李文涛;戴菲菲
作者机构：
物联网技术应用教育部工程研究中心(江南大学 物联网工程学院),江苏 无锡 214122;台州市产品质量安全监测研究院,浙江 台州 318000
文献出处：
引用格式：
[1]陈灏然;彭力;李文涛;戴菲菲-.加权网络下的小目标检测算法)[J].计算机科学与探索,2022(09):2143-2150
A类：
UWN
B类：
加权网络,小目标检测,目标检测算法,一幅,本能,上会,这幅,醒目,大比,被忽视,所在区域,检测器,提取特征,特征信息,信息传递,跨信道交互,训练样本,目标增强,一个通,损失函数,样本加权,预测样本,VOC,公开数据集,mAP,航拍数据,FSSD
AB值：
0.368078
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。
