基于步进式自适应特征融合模块的小目标检测网络

来源：计算机工程与应用杂志2025年第23期北京时间：

作者：陈鹏, 林斌, 白勇, 黄伟伦

单位：河北工业大学 人工智能与数据科学学院，天津 300401

摘要：小目标检测在驾驶辅助、智慧医疗、无人机巡检等任务中具有重要的理论和实践意义。多尺度特征学习是设计小目标检测网络经常采用的策略之一。其中，经典的特征金字塔结构通过融合不同层级的特征图，实现多尺度信息的传递，从而在不同分辨率的特征图上都能捕捉到小目标的关键信息。然而，在进行不同尺度特征图融合时，语义信息冲突往往不可避免，进而造成梯度计算不一致，导致小目标信息被淹没。为此，提出了一种步进式自适应特征融合网络模块（step-by-step adaptively feature fusion module，SAFF），将特征融合过程划分为三个阶段依次进行，通过步进式地融合相邻尺度特征图，解决特征图融合过程中的语义信息冲突问题。同时，在每个阶段中，通过自适应计算融合权重，缓解梯度计算不一致问题。在此基础上，将SAFF模块与通用目标检测网络结合，形成用于小目标检测的SAFF-RCNN和Cascade-SAFF-RCNN网络。实验结果表明，所提出的网络模型的小目标检测性能均有显著提升，达到或超越了其他主流的小目标检测模型，证明了SAFF模块用于小目标检测时的有效性。

关键词：小目标检测,多尺度特征融合,自适应融合