结合重参数化与多层次特征融合的航拍图像小目标检测.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(4):218−227

[doi:

10.15888/ki.csa.009811]

[CSTR:

32024.14.csa.009811]

©中国科学院软件研究所版权所有.Tel:

+86-10

结合重参数化与多层次特征融合的航拍图像小目

标检测①

1,211

曹洁,

李立晶,

梁浩鹏

1(兰州理工大学

计算机与通信学院,

兰州

733050)

2(兰州城市学院

信息工程学院,

兰州

733070)

通信作者:

曹洁,

E-mail:

haop1115@163.com

摘要:

针对无人机航拍图像目标尺寸小、分布密集且被遮挡造成误检漏检等问题,

提出一种结合重参数化思想与

多层次特征融合的航拍图像小目标检测算法.

首先,

利用重参数化思想设计了重参数化卷积模块

(reparameterized

convolution

module,

RCM),

与C2f模块结合设计了C2f-RCM模块,

通过扩大感受野有效绘制上下文信息,

更好地

提取图像中的细微特征.

其次,

为解决颈部网络在特征融合部分造成的信息丢失问题,

提出一种多层次特征融合模

块(multi-level

feature

fusion

module,

MFFM),

该模块利用跨层次间的信息融合,

有效减少了在遮挡情况下的漏检现

象,

使得网络在检测大、中、小目标时能够显著提升准确度.

最后,

提出一种Inner-Shape

IoU边界框回归损失函数,

通过构建辅助边框和关注边界框的自身形状,

以增强模型的收敛速度.

实验结果表明,

与基线模型相比,

本文方法

在VisDrone2019中,

mAP@0.5、Precision、Recall分别提高了5.7%、5.7%、2.4%,

在AI-TOD中,

mAP@0.5、

Precision、Recall提升了3.7%、3.9%、5.3%,

验证了本文方法在航拍图像小目标检测方面的有效性.

关键词:

小目标检测;

重参数化;

特征融合;

损失函数

引用格式:

曹洁,李立晶,梁浩鹏.结合重参数化与多层次特征融合的航拍图像小目标检测.计算机系统应用,2025,34(4):218–227.

http://www.c-s-a.

/1003-3254/9811.html

SmallTargetDetectionforAerialImageCombiningReparameterizationandMulti-level

FeatureFusion

1,211

CAO

Jie,

LI

Li-Jing,

LIANG

Hao-Peng

1(School

of

Computing

and

Communications,

Lanzhou

University

of

Science

and

Technology,

Lanzhou

733050,

China)

2(School

of

Information

Engineering,

Lanzhou

City

University,

Lanzhou

733070,

China)

Abstract:

To

address

the

problems

of

small

target

size,

dense

distribution,

and

occlusion

caused

false

detection

and

missed

detection

in

unmanned

aerial

vehicle

(UAV)

aerial

images,

this

study

proposes

a

small

target

detection

algorithm

for

aerial

images

which

combines

reparamet