面向小目标检测的自适应多维度特征融合网络.pdfVIP

面向小目标检测的自适应多维度特征融合网络.pdf

计算机与现代化

2025年第3期JISUANJIYUXIANDAIHUA总第355期

文章编号：1006-2475（2025）03-0106-07

面向小目标检测的自适应多维度特征融合网络

柳尧凯，任德均，刘重宜，卢宇东

（四川大学机械工程学院，四川成都610065）

摘要：小目标在图像中占有很少的像素，导致目标严重缺乏特征信息，小目标检测是目标检测的一大挑战。为解决这一

问题，设计一种面向小目标检测的自适应多维度特征融合网络（AMDFF-Net）算法以提高小目标检测的准确率。首先，整

合池化层和注意力机制，构建池化注意力模块，使模型获得更大的接受域以实现自我注意中的自适应和长程相关性；其

次，设计自适应选择多维度特征融合模块（ASMFF），并基于ASMFF模块设计自适应多维度特征金字塔网络，自适应融合

不同尺度的图像特征，强化小目标的信息。为了验证模型的性能和泛用性，分别在VisDrone2019数据集、AI-TOD数据集

以及TinyPerson数据集上进行实验，实验结果表明，AMDFF-Net提高了小目标检测的精度，通过与其他主流算法对比，验

证了本文模型在小目标检测方面的有效性。

关键词：小目标检测；特征金字塔网络；注意力机制；特征融合

中图分类号：TP391文献标志码：ADOI：10.3969/j.issn.1006-2475.2025.03.016

AMDFF-Net：AdaptiveMulti-dimensionalFeatureFusionNetworkforTinyObjectDetection

LIUYaokai，RENDejun，LIUChongyi，LUYudong

（SchoolofMechanicalEngineering，SichuanUniversity，Chengdu610065，China）

Abstract：Tinyobjectdetectionisahugechallengeinobjectdetectionresearchbecausetinyobjectstakeupfewerpixelsinthe

image，whichresultsinalackoffeatureinformation.Toaddressthisissue，anadaptivemulti-dimensionalfeaturefusionnet⁃

work（AMDFF-Net）fortinytargetdetectionisdesignedtoimprovetheaccuracyoftinyobjectdetection.Firstly，byintegrating

poolinglayersandattentionmechanisms，thispaperconstructsapoolingattentionmodule，enablingthemodeltoachievea

largerreceptivefieldtoenableself-adaptiveandlong-rangecorrelationsinself-attention.Secondly，anadaptiveselectionmulti-

dimensionalfeaturefusion（ASMFF）moduleisdesigned，andanadaptivemulti-dimensionalfeaturepyramidnetworkisde⁃

signedbasedontheASMFFmodule.Thisnetworkadaptivelyfusesimagefeaturesatdifferentscalestoenhancetheinformation

abouttinyobjects.Toverifytheperformanceandgeneralizationofthemodel，experimentsareconductedontheVisDrone2019，