计算机研究与发展

作者：黄继鹏,史颖欢,高阳,

关键词：小目标检测, Faster-RCNN算法, 多尺度检测, 采样, 深度学习,

小目标是指图像中覆盖区域较小的一类目标.与常规目标相比，小目标信息量少，训练数据难以标记，这导致通用的目标检测方法对小目标的检测效果不好，而专门为小目标设计的检测方法往往复杂度过高或不具有通用性.在分析现有目标检测方法的基础上，提出了一种面向小目标的多尺度快速区域卷积神经网络(faster-regionswithconvolutionalneuralnetwork，Faster-RCNN)检测算法.根据卷积神经网络的特性，修改了Faster-RCNN的网络结构，使网络可以同时使用低层和高层的特征进行多尺度目标检测，提升了以低层特征为主要检测依据的小目标检测任务的精度.同时，针对训练数据难以标记的问题，使用从搜索引擎上获取的数据来训练模型.因为这些训练数据与任务测试数据分布不同，又利用下采样和上采样的方法对目标高分辨率的训练图像进行转化，使训练图像和测试图像的特征分布更类似.实验结果表明：所提出的方法在小目标检测任务上的平均精度均值(meanaverageprecision,mAP)可以比原始的Faster-RCNN提高约5%.

来源：2019年第2期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第2期