.png){kind=icon}
返回
Feature aggregation network for small object detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2024.124686.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于小型规模和有限的可识别特征，小物体在检测中提出了重大挑战。提高小目标检测的准确性是研究人员关注的重大问题。特征金字塔网络采用分而治之策略来检测低级网络中的小对象。然而，这些网络中有限的语义信息导致小对象检测中的次优性能。为了解决这个问题，我们充分利用了所有特征级别的信息，并提出了一种特征聚合网络 (FAN)。我们研究了神经网络中的信息传播途径，分析了特征的早期融合和后期融合，并引入了一种双重的自上而下的途径，该途径利用高层语义信息来一致地增强低层空间信息。我们设计了一个特征感知模块，该模块缩小了语义鸿沟，并引导网络转向有利于小对象检测的学习特征。我们采用可变形卷积来准确定位具有不同形状和大小的对象的边界。FAN可以用作即插即用组件，具有最小的计算开销，并且可以与骨干网络一起进行端到端的训练。在COCOs，TinyPerson和VisDrone数据集上进行了广泛的实验。极具竞争力的结果表明，我们的方法具有强大的泛化能力，可以进一步提高小物体检测的准确性。
Keyword:
Small object detection
Computer vision
Convolutional neural networks
Deep learning
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
分享收藏
Small object detection via dual inspection mechanism for UAV visual images基于双检测机制的无人机视觉图像小目标检测.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容