控制与决策

作者：赵亮,刘世鹏

单位：西安建筑科技大学 信息与控制工程学院,西安 710055;陕西省岩土与地下空间工程重点实验室,西安 710055,,西安建筑科技大学 信息与控制工程学院,西安 710055,

关键词：小目标检测;Transformer;EIOU;Focal loss;FPN

基金：国家自然科学基金项目(51209167,12002251)；陕西省自然科学基金项目(2019JM-474)；西安市科技计划项目(2020KJRC0055)；陕西省岩土与地下空间工程重点实验室开放基金项目(YT202004).

针对现有目标检测算法对于小目标检测精度低的问题,提出一种全局与局部图像特征自适应融合的一阶段小目标检测算法SODet.首先,将Transformer与卷积神经网络相结合构建主干网络,分别提取图像全局和局部信息,并利用自适应特征选择模块AFS对二者输出进行融合;然后,在特征融合网络中利用额外尺度特征图进行特征融合,同时利用大目标抑制单元约束大目标特征表达、转移小目标特征,输出4个尺度的特征图送入预测网络;最后,在损失函数部分针对小目标检测利用EIOU和Focal loss进行优化.实验结果表明,SODet算法在MS COCO验证集上$\rm AP_S$达到31.5%,相比于其他算法具有较强的竞争力,同时具有较高的推理速度.

来源：2023年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第4期