面向密集场景结合TC-YOLOX的小目标检测方法

来源：电子测量技术杂志2023年第15期北京时间：

作者：李翔宇，王伟，王峰萍，韩岩江

单位：西安工程大学 西安 710048

摘要：密集场景下小目标的高效精确检测是目标检测领域的关键问题。为了解决环境的多样性和小目标自身复杂性存在着特征难以提取、检测精度低等问题，提出一种面向密集场景结合TCYOLOX的小目标检测方法。首先，通过在CSPNet中引入Transformer Encode模块，不断更新目标权重实现增强目标特征信息，提高网络的特征提取能力；其次，在特征金字塔网络中增加卷积注意力机制模块，关注重要特征并抑制不必要特征，提高不同尺度目标的检测准确度；然后，采用CIoU代替IoU作为回归损失函数，使得模型训练过程中网络收敛更快，性能更好；最后在PASCAL VOC 2007数据集上验证。实验结果表明，所设计的TCYOLOX模型能够有效的检测出多样化场景中正常、密集、稀疏、黑暗条件下的小目标物体，mAP和检测速度可以达到946%和38 fps，与原始模型相比提升了109%和1 fps，对多种密集场景下的小目标检测任务均具有较好的适用性。

关键词：小目标检测;YOLOX;卷积注意力机制模块;Transformer Encode;CIoU回归损失函数

基金资助：2021年中国高校产学研创新基金(2021ALA02002)、2021年“纺织之光”中国纺织工业联合会高等教育教学改革研究项目(2021BKJGLX004)、西安工程大学2020年高等教育研究项目(20GJ05)资助