融合多尺度和上下文的无人机救援小目标检测算法

TP391.4; 针对无人机(UAV,unmanned aerial vehicle)图像中小目标所包含的特征信息少,导致模型检测精度不足的问题,面向无人机海面救援任务提出了一种融合多尺度和上下文信息的图像小目标检测算法.首先,针对小目标特征信息设计上下文增强模块,通过增强特征层的上下文信息,有效地增加了模型对小目标的处理能力.其次,为提高模型的鲁棒性,设计了空间注意力模块加强对重要特征的学习.最后,使用平衡L1 损失函数优化基线算法的损失函数,加强了模型检测时的稳定性.基于Tiny-Person数据集,与基准算法进行大量实验对比,所提算法在AP50_tiny上提高了2.06%,一定程度上提高...

Full description

Saved in:
Bibliographic Details
Published in物联网学报 Vol. 8; no. 3; pp. 146 - 156
Main Authors 刘园, 赵静, 蒋国平, 徐丰羽, 陆宁云
Format Journal Article
LanguageChinese
Published 南京邮电大学自动化学院、人工智能学院,江苏 南京 210023%南京航空航天大学航空航天结构力学及控制全国重点实验室,江苏 南京 210016 2024
Subjects
sea rescue
注意力机制
small object detection
无人机图像
特征融合
feature fusion
attention mechanism
海面救援
小目标检测
unmanned aerial vehicle image
Online AccessGet full text
ISSN2096-3750
DOI10.11959/j.issn.2096-3750.2024.00390

Cover

More Information
Summary:TP391.4; 针对无人机(UAV,unmanned aerial vehicle)图像中小目标所包含的特征信息少,导致模型检测精度不足的问题,面向无人机海面救援任务提出了一种融合多尺度和上下文信息的图像小目标检测算法.首先,针对小目标特征信息设计上下文增强模块,通过增强特征层的上下文信息,有效地增加了模型对小目标的处理能力.其次,为提高模型的鲁棒性,设计了空间注意力模块加强对重要特征的学习.最后,使用平衡L1 损失函数优化基线算法的损失函数,加强了模型检测时的稳定性.基于Tiny-Person数据集,与基准算法进行大量实验对比,所提算法在AP50_tiny上提高了2.06%,一定程度上提高了对海面小目标的检测性能,对救援行动具有积极影响.
ISSN:2096-3750
DOI:10.11959/j.issn.2096-3750.2024.00390