10

小目标检测存在目标特征容易丢失、分辨率低的问题。针对像素占比小于0.02的小目标，本文提出一种改进YOLO-V3卷积神经网络的检测方法。首先，本文对数据集中小目标进行了复制变换增强，以提升训练过程中网络小目标的注意力。其次，针对浅层视觉信息与深层语义信息的尺度融合，提出了跨级检测层的网络结构来提高网络对小目标的适应能力。最后，针对高分图像的检测效果，提出了深度和广度结合的残差块组传递结构，丰富深层特征图的感受野。实验结果表明：改进后网络在1000 pixel×1000 pixel相比于YOLO-V3对小目标的mAP提升了1.9%，召回率提升了5.9%。在2500 pixel×2500 pixel以上分辨率上mAP提升了31.6%，召回率提升了46.4%,本文提出网络对小目标有更好的的识别效果。

刘峰, 郭猛, 王向军. 跨尺度融合的卷积神经网络小目标探测方法[J]. 激光与光电子学进展, 2021, 58(06): 12.  复制并引用该论文