对比特征增强的高架库小目标检测方法

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：朱贺, 卞长智, 张婧, 王力, 李小霞, 陈禹伶

单位：1.西南科技大学 信息工程学院，四川 绵阳 621010；2.四川省工业自主可控人工智能工程技术研究中心，四川 绵阳 621010；3.四川中烟工业有限责任公司 绵阳卷烟厂，四川 绵阳 621000

摘要：针对高架库区场景下安全帽检测中目标特征信息少、分类精度低等问题，提出小目标对比特征增强网络。首先提出快速空间金字塔池化跨层融合模块，减少空间维度上的目标信息丢失。然后提出小目标对比特征增强模块，使用双路并行空洞卷积获取不同感受野，利用通道注意力获取特征图在通道维度上更为精准的特征信息，采用浅层特征图减去深层特征图的方法削弱浅层特征图中大目标信息，以增强小目标特征信息表达。加入高效通道注意力解耦检测头，通过将检测头解耦为分类和回归分支，分别学习目标的语义信息和位置信息。实验结果表明，在TT100K数据集上，所提方法的mAP@0.5比基准网络YOLOv5提高了6.4个百分点，比YOLOv7提高了1.9个百分点。在自建高架库数据集上，所提方法的mAP@0.5相比基准网络提高了4.9个百分点，其中安全帽的mAP@0.5相比基准网络提高了6.9个百分点。

关键词：小目标检测,高架库,跨层融合,对比特征增强,解耦检测头,YOLOv5