《电子测量技术杂志》发表论文赏析

基于高分辨率特征引导学习的小目标检测方法

来源:电子测量技术杂志2026年第9期北京时间:

作者:涂晓光,李卓骏,刘建华,杨明,魏麟

单位:中国民用航空飞行学院航空电子电气学院 成都 641450

摘要:针对小目标检测中由于特征信息不足、特征图分辨率较低等问题导致检测精度和鲁棒性较差的技术瓶颈,提出一种基于高分辨率特征引导学习的小目标检测方法。该方法采用基于上下文聚合风车卷积的改进YOLOv11算法结构,构建了一个由高分辨率检测分支与低分辨率检测分支组成的双通道检测框架。训练过程中,通过高分辨率检测网络对低分辨率检测网络进行引导学习,缓解低分辨率图像中小目标语义信息不足的问题。在双通道网络的中间层引入多损失函数加权的多尺度特征对齐损失函数,增强了小目标特征的表达能力。实验结果表明,本文的方法在PASCAL VOC 2012小目标数据集上的mAP50相较于原始的YOLOv11提高了4.11%,mAP50:95提高了4.07%;在Visdrone2019数据集上mAP50相较于原始的YOLOv11提高2.24%,mAP50:95提高了1.50%。

关键词:小目标检测;深度学习;双通道网络模型;多尺度特征对齐损失

基金资助:国家自然科学基金(62406207)、四川省自然科学基金(2025ZNSFSC1502)、四川省通用航空器维修工程技术研究中心资助课题(GAMRC2023YB06)、中央高校基本科研业务费(25CAFUC03023)项目资助

2026年9期其他文献查阅:

基于贝叶斯优化模糊PID的控温四探针系统设计

基于运动状态识别的车辆磁干扰补偿方法研究

MEA-YOLO:基于多尺度边缘增强与注意力融合的钢材缺陷检测

面向燃气轮机旋转件参数测试的双频遥测天线设计与验证

装备试验能力战斗力生成贡献度评价方法研究

面向重症监护室患者的无线体征监测系统设计

基于结构感知与动态融合机制的步态识别研究

旋转式可刷新盲文显示装置的设计与评估

南部沿海炼化装置腐蚀速率TL-BiLSTM-Attention智能预测

RDSM-YOLO轻量级夜间车辆检测模型

密集障碍物环境下改进A*-DWA融合导航算法研究

改进YOLOv11n的水面垃圾检测算法

基于高分辨率特征引导学习的小目标检测方法

基于轨迹融合与背景映射的非侵入式负荷监测方法

基于Mamba自注意力和多模态融合的DVT风险预测

基于WPD-UKF的MMC高频振荡检测方法

一维稀疏拓扑阵列雷达三维成像算法研究

多尺度门控融合的图像篡改拼接检测算法

基于监督反馈和Transformer的目标跟踪算法

基于STDD-YOLO的输电线路小目标缺陷检测

小目标车辆及行人轻量化检测算法改进:DSWR-YOLO

基于Prewitt-Franklin矩的亚像素边缘检测方法

基于MSBRAU-Net++的多尺度息肉分割方法

基于YOLOv11n改进的小目标航拍检测算法

基于特征域最近邻搜索和拼接的动态点云压缩算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!