改进轻量化的CenterNet的小目标检测

来源：计算机工程与应用杂志2023年第17期北京时间：

作者：王英博, 刘荣霞

单位：1.辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105；2.辽宁工程技术大学 创新实践学院，辽宁 阜新 123000

摘要：小目标检测一直是目标检测中的难点，其特点为感受视野小，无法获取足够的语义特征，相比传统目标检测算法在工业应用中难以实现轻量化。为提升小目标检测精度、计算速度以及减少计算量和成本开销，提出一种基于CenterNet的轻量化的检测器SFPN-CenterNet。采用轻量级的深度可分离卷积网络来替代原始的普通卷积；简化FPN网络，减少下采样层数对特征进行提取融合，舍弃对于小目标检测无显著作用的高层特征；改进损失函数，对原来的公式以及超参数进行优化。在自制的数据集上进行对比实验。结果表明：利用深度可分离卷积作为提取特征的卷积块，可以使网络参数量减少到原来的1/480；改进损失函数降低了小目标的误检率和漏检率。相对于原始算法，改进算法的AP提升了3.5个百分点，检测速度提高了2.74 ms。

关键词：CenterNet,小目标检测,深度可分离,轻量化