加权网络下的小目标检测算法

对于一幅图的观察,本能上会更多关注这幅图中相对更醒目的对象.通常这类对象会在这幅图中占据较大比重,从而导致小目标被忽视.由于小目标所在区域往往为弱测区域,检测器提取特征的过程中能够提取的特征较少,且在提取完特征后在特征信息传递的过程中容易丢失,使得针对小目标检测的效果并不是很好.因此,在单阶检测器的基础上,加入了跨信道交互的机制确保层间信息的完整,同时采取对训练样本进行目标增强并且设计了一个通用的损失函数,在此基础上改进样本加权网络预测样本的任务权重.提出的框架UWN在VOC公开数据集上的mAP为81.2％,在自制的小目标航拍数据集的mAP为82.3％.相对于FSSD算法,牺牲了部分速度,得到了精度方面的较大提升.