《表1 斯坦福无人机数据集在不同目标检测算法中准确率的实验结果对比》
移除了Refine Det中Conv_fc7之后的卷积层,利用自顶向下的结构为小目标提供合适的上下文信息,避免太大的感受野引入较多的背景干扰;同时,为了进一步增强小目标的特征,将浅层的空间位置信息融合到预测层中。通过设计特征增强模块FEM,使得提出的小目标测算法能够达到89.1%的准确率。如表1所示,相比于深度学习算法中的单阶段实时检测算法和两阶段高性能算法,本文所提出的方法可以达到较好的检测性能[14-15]。从图3可知,特征增强的小目标检测算法对小目标在存在遮挡等复杂环境下具有良好的检测性能。
图表编号 | XD00213879800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.18 |
作者 | 杨建秀、刘桂枝 |
绘制单位 | 山西大同大学物理与电子科学学院、山西大同大学物理与电子科学学院 |
更多格式 | 高清、无水印(增值服务) |