基于双流对比特性学习和图像多尺度退化增强的小目标检测方法

来源：南京信息工程大学学报·自然科学版杂志2024年第6期北京时间：

作者：王宇，何志，康朋新，涂晓光，周超，刘建华，雷霞，王文敬

单位：王宇,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,何志,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,康朋新,西南技术物理研究所, 成都, 610041,涂晓光,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307;四川大学 计算机学院, 成都, 610065;中国民用航空飞行学院 四川省通用航空器维修工程技术研究中心, 广汉, 618307,周超,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,刘建华,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,雷霞,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307,王文敬,中国民用航空飞行学院 航空电子电气学院, 广汉, 618307

摘要：针对小目标检测任务中目标图像尺寸小、目标特征信息模糊、目标和背景难区分等问题,提出一种基于双流对比特性学习和图像多尺度退化增强的小目标检测方法.首先,将对比学习模型的输入图像进行多尺度退化增强,增强算法对小目标的捕获感知;其次,在空间域和频率域同时进行对比学习表征,以学习更具鉴别性的目标识别特征,增强模型对目标与背景的区分能力,从而提高小目标检测的效果.为验证所提方法的有效性设计了消融实验,并对比分析了与其他先进算法的检测性能优劣.实验结果表明:所提方法在MS COCO数据集上平均精度均值mAP相较基线算法提升3.6个百分点,小目标平均精度均值mAPS相较主流先进算法提升7.7个百分点;在VisDrone2019数据集上,所提方法平均精度均值mAP较基线算法提升2.4个百分点,所提方法综合性能优于基线算法与其他主流先进算法.可视化检测效果分析表明,所提方法在小目标检测上的漏检、误检问题得到较大改善.

关键词：小目标检测;对比学习;双流网络;图像退化;图像增强;多尺度

基金资助：中国博士后科学基金(2022M72224 8);中央高校基本科研业务费(ZHMH2022-004,J2022-025,J2023-026);民航飞行技术与飞行安全重点实验室自主项目(FZ2021ZZ03)