趙一鳴　王金聰　任洪娥　趙龍

摘要：基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)研究對(duì)于如小人臉識(shí)別、遙感圖像檢測(cè)等任務(wù)的優(yōu)化與提升都具有極為重要的意義。但由于圖像中的小目標(biāo)所占像素較少，分辨率低，包含的特征信息不明顯，現(xiàn)有方法對(duì)小目標(biāo)的檢測(cè)效果并不理想。針對(duì)此問(wèn)題，提出一種基于反饋的特征融合網(wǎng)絡(luò)ReFPN用于YOLOv4算法，兩次利用骨干網(wǎng)絡(luò)提取的原始特征層，加強(qiáng)小目標(biāo)特征信息，對(duì)其進(jìn)行更精確的位置回歸。同時(shí)提出混合注意力機(jī)制Co-AM充分提取小目標(biāo)的細(xì)節(jié)特征信息，抑制無(wú)效特征，進(jìn)一步提高小目標(biāo)的檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明，此文提出的方法使YOLOv4算法在MS COCO數(shù)據(jù)集上平均精度AP提高了1.9%，小目標(biāo)平均精度AP提高了3.3%，檢測(cè)效果優(yōu)于現(xiàn)有小目標(biāo)檢測(cè)算法，證明了此文提出方法的有效性。

關(guān)鍵詞：深度學(xué)習(xí);小目標(biāo)檢測(cè);特征融合;注意力機(jī)制

DOI：10.15938/j.jhust.2022.02.011

中圖分類(lèi)號(hào)： TP751.1

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2022）02-0085-07

A Small Object Detection Algorithm Integrated with ReFPN

and Compound Attention Mechanism

ZHAO Yi-ming WANG Jin-cong REN Hong-e ZHAO Long

（1.College of Information and Computer Engineering， Northeast Forestry University， Harbin 150040， China;

2.College of Mechanical and Electrical Engineering， Northeast Forestry University， Harbin 150040， China;

3.Heilongjiang Forestry Intelligent Equipment Engineering Research Center， Harbin 150040， China）

Abstract：The research of small target detection is of great significance for the optimization and improvement of tasks such as small face recognition and remote sensing image detection. However， the small target in the image occupies fewer pixels， lower resolution， unobvious feature information， resulting in the effect that existing methods for small target detection is not ideal. To solve this problem， a feedback-based feature fusion network （ReFPN） for YOLOV4 algorithm was proposed. The original feature layer extracted from the backbone network is used twice to enhance the feature information of small targets and position regression performs more accurately. At the same time， the compound attention mechanism （Co-AM） was proposed to more fully extract the detail feature information of small targets， suppress invalid features， and further improve small targets’ detection accuracy. Experimental results show that the method improves the AP of YOLOV4 algorithm on MS COCO dataset by 1.9%， and the AP?by 3.3%. The effectiveness of our method is proved， and the detection effect of small target detection is better than the existing algorithms.

Keywords：deep learning; small object detection; feature fusion; attention mechanism

0引言

目標(biāo)檢測(cè)作為圖像理解和計(jì)算機(jī)視覺(jué)的基石，是解決圖像分割、目標(biāo)追蹤、圖像描述等更復(fù)雜更高層次視覺(jué)任務(wù)的基礎(chǔ)，廣泛應(yīng)用于無(wú)人駕駛[1]、安全系統(tǒng)和微小瑕疵檢測(cè)等領(lǐng)域[2]。近年來(lái)迅猛發(fā)展的深度學(xué)習(xí)技術(shù)是一類(lèi)能自動(dòng)從數(shù)據(jù)中學(xué)習(xí)特征表示的強(qiáng)大方法，為機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)等領(lǐng)域帶來(lái)了革命性的進(jìn)步，顯著改善了目標(biāo)檢測(cè)的表現(xiàn)。

基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)研究對(duì)于諸多領(lǐng)域如小人臉識(shí)別、目標(biāo)跟蹤、人體關(guān)鍵點(diǎn)檢測(cè)、遙感圖像檢測(cè)等任務(wù)的優(yōu)化與提升都具有極為重要的意義。而卷積神經(jīng)網(wǎng)絡(luò)[3]（Convolution Neural Networks， CNN）具有多層網(wǎng)絡(luò)結(jié)構(gòu)自動(dòng)學(xué)習(xí)的特點(diǎn)，主要由輸入層、輸出層、卷積層、下采樣層和全連接層組成。淺層的卷積層用于提取豐富的局部特征，深層的卷積層將這些局部特征進(jìn)行結(jié)合，從而學(xué)習(xí)到更加抽象的特征。卷積神經(jīng)網(wǎng)絡(luò)提取的抽象特征對(duì)圖像分類(lèi)以及圖像中物體粗略位置的定位很有效。早期的目標(biāo)檢測(cè)框架大多數(shù)是針對(duì)通用目標(biāo)來(lái)進(jìn)行檢測(cè)的。但小目標(biāo)像素偏低，所包含的特征信息較少，易被算法當(dāng)做背景信息忽略掉，導(dǎo)致檢測(cè)精度偏低，小目標(biāo)檢測(cè)在深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型中一直是個(gè)難題。

隨著深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)[4]的快速發(fā)展，科研人員提出了基于區(qū)域提取的R-CNN（Region-CNN）、Faster R-CNN[5]等兩階段檢測(cè)方法，在產(chǎn)生目標(biāo)候選框的基礎(chǔ)上對(duì)候選框做分類(lèi)與回歸，仍無(wú)法很好地解決小目標(biāo)檢測(cè)問(wèn)題。在端到端的單級(jí)目標(biāo)檢測(cè)算法中，Liu 等[6]提出一種SSD（Single Shot MultiBox Detector）算法，該算法兼顧了檢測(cè)速度和檢測(cè)精度。但是其存在特征提取不充分的問(wèn)題，從而對(duì)小目標(biāo)檢測(cè)的效果一般。Redmon等[7]提出了YOLO（You Only Look Once）算法，它的第三個(gè)版本——YOLOv3[8]將高級(jí)網(wǎng)絡(luò)與低級(jí)網(wǎng)絡(luò)連接起來(lái)，從高層特征與低層特征圖中的細(xì)粒度信息中獲取信息。這種信息融合方式在一定程度上提高了小目標(biāo)的檢測(cè)性能，但沒(méi)有充分利用低層特征信息。因此，它在檢測(cè)小目標(biāo)方面很弱。YOLOv4[9]在YOLOv3的基礎(chǔ)上提高了目標(biāo)檢測(cè)精度，使速度與精度達(dá)到了最優(yōu)平衡，目前對(duì)通用目標(biāo)的檢測(cè)效果較好，但在小目標(biāo)檢測(cè)精度方面仍有很大提升空間。

針對(duì)YOLOv4算法在MS COCO數(shù)據(jù)集上對(duì)小目標(biāo)的檢測(cè)效果不夠理想的問(wèn)題，本文在YOLOv4算法結(jié)構(gòu)的基礎(chǔ)上提出以下方法來(lái)提升小目標(biāo)的檢測(cè)效果：①針對(duì)小目標(biāo)在圖像中像素少、分辨率低的本質(zhì)問(wèn)題，提出了一種基于反饋的特征融合網(wǎng)絡(luò)ReFPN用于YOLOv4算法，通過(guò)兩次利用原始特征層，加強(qiáng)算法對(duì)小尺寸目標(biāo)特征的學(xué)習(xí)，對(duì)小目標(biāo)進(jìn)行更精確的位置回歸。②針對(duì)小目標(biāo)本身所包含信息因素少，容易被非檢測(cè)目標(biāo)因素影響的問(wèn)題，提出混合注意力機(jī)制Co-AM，搭建在CSPDarknet53后，充分提取小目標(biāo)的特征信息，增強(qiáng)有效特征，避免小目標(biāo)被當(dāng)做背景信息。實(shí)驗(yàn)證明本文提出的方法模型對(duì)小目標(biāo)的檢測(cè)精度有較大提升，得到了更優(yōu)的檢測(cè)效果。

1特征融合結(jié)構(gòu)ReFPN

低層網(wǎng)絡(luò)特征圖攜帶更多目標(biāo)的位置形狀等信息，故為加強(qiáng)算法對(duì)小尺寸目標(biāo)特征的學(xué)習(xí)，獲得更多的低層特征信息，本文提出一種基于反饋的特征融合結(jié)構(gòu)（retroaction feature pyramid networks， ReFPN），如圖1所示。虛線(xiàn)框部分為FPN[10]結(jié)構(gòu)，由自底向上和自頂向下2個(gè)路徑組成。自底向上的路徑是提取特征的卷積網(wǎng)絡(luò)，特征層由低到高的空間分辨率以2倍遞減，同時(shí)檢測(cè)到更多的高層語(yǔ)義信息。自頂向下的融合路徑通過(guò)對(duì)所提取每步卷積特征層進(jìn)行上采樣處理，將高層的特征圖放大到上一步的特征圖一樣的大小，保證維度相同。為了將高層語(yǔ)義特征和低層特征的精確定位能力結(jié)合，利用橫向連接將上一層經(jīng)過(guò)上采樣后和當(dāng)前層分辨率一致的特征，通過(guò)相加的方法進(jìn)行融合。既利用了高層較強(qiáng)的利于分類(lèi)的語(yǔ)義特征，又利用了低層利于定位的高分辨率信息，豐富了融合后的特征圖所包含的信息。

成功的目標(biāo)檢測(cè)器都表現(xiàn)出了信息的反復(fù)利用和提精[11]。故ReFPN的后半部分將來(lái)自FPN（Featu-re Pyramid Networks）層的特征通過(guò)反饋連接合并到自下而上的骨干層中，將FPN的反饋信息集成到骨干網(wǎng)絡(luò)上，再次利用原始特征圖，使骨干網(wǎng)絡(luò)重新訓(xùn)練來(lái)自FPN的帶有梯度的特征，實(shí)現(xiàn)了兩次思考的順序設(shè)計(jì)，增強(qiáng)了FPN的特征表示，豐富了特征融合的表現(xiàn)能力。再經(jīng)過(guò)自下而上的特征融合路徑，在低層用準(zhǔn)確的定位信號(hào)來(lái)增強(qiáng)整個(gè)特征分層，縮短低層和高層特征之間的信息路徑，獲得更多的低層特征信息，對(duì)小目標(biāo)的位置形狀等信息的檢測(cè)更有利。

反饋連接使用空洞空間金字塔池化（atrous spatial pyramid pooling， ASPP），為圖1橫線(xiàn)圓部分，采用不同采樣率可以有效地捕獲多尺度上下文信息，模塊結(jié)構(gòu)如圖2所示。在此模塊中，以FPN的特征圖作為輸入，有4個(gè)并行分支，其中3個(gè)分支中的卷積層配置如圖2所示，后跟ReLU層，輸出通道數(shù)是輸入通道數(shù)的1/4，最后1個(gè)分支使用全局平均池化層來(lái)壓縮特征，然后使用1×1卷積層和ReLU層將壓縮后的特征轉(zhuǎn)換為1/4輸入通道數(shù)的特征。最后，調(diào)整大小并與其他3個(gè)分支的特征連接在一起，以多個(gè)比例捕捉圖像的上下文，實(shí)現(xiàn)特征金字塔的級(jí)聯(lián)連接。

使用融合模塊如圖3所示。此模塊用來(lái)融合FPN輸出特征f與整體特征融合后的輸出特征f’，為圖1豎線(xiàn)圓部分，通過(guò)1×1卷積層和Sigmoid運(yùn)算來(lái)計(jì)算注意力圖，然后將結(jié)果注意力圖用于計(jì)算更新后的加權(quán)和。

ReFPN通過(guò)兩次利用原始特征層，加強(qiáng)了算法對(duì)小尺寸目標(biāo)特征的學(xué)習(xí)，并利用ASPP作為反饋連接提升整合多尺度信息的能力，獲得更多的低層特征信息，更有利于小目標(biāo)的定位檢測(cè)。

2混合注意力機(jī)制Co-AM

深度學(xué)習(xí)中的注意力機(jī)制[12]的核心目標(biāo)是從眾多信息中選擇出對(duì)當(dāng)前任務(wù)目標(biāo)更關(guān)鍵的信息，最早由DeepMind為圖像分類(lèi)提出，讓神經(jīng)網(wǎng)絡(luò)在執(zhí)行預(yù)測(cè)任務(wù)時(shí)可以更多關(guān)注輸入中的相關(guān)部分，更少關(guān)注不相關(guān)的部分。Woo等[13]基于一個(gè)有效的體系結(jié)構(gòu)同時(shí)利用空間和通道注意模塊來(lái)關(guān)注更多信息，取得了很好的效果。徐誠(chéng)極等[14]將注意力機(jī)制引入到Y(jié)OLO算法中，提高了檢測(cè)精度。

受此啟發(fā)，針對(duì)小目標(biāo)因包含特征信息不明顯而易受到背景信息因素的干擾的問(wèn)題，本文提出混合注意力模塊（compound attention mechanism， Co-AM），用于YOLOv4算法的主干網(wǎng)絡(luò)CSPDarknet53后，來(lái)更多的關(guān)注小目標(biāo)的特征信息。Co-AM的模塊結(jié)構(gòu)如圖4所示。其中，通道注意力模塊CAM如圖5所示，輸入特征F依次經(jīng)過(guò)卷積層、全局平均池化層以及ReLU和Sigmoid運(yùn)算，得到的特征圖再與F相乘輸出特征F，關(guān)注輸入的圖像是否有檢測(cè)目標(biāo)的特征，對(duì)不同通道的特征重新進(jìn)行了加權(quán)分配。通道注意力的計(jì)算見(jiàn)式（1）。

空間注意力模塊SAM如圖6所示，輸入特征F′ 通過(guò)卷積層與Sigmoid運(yùn)算，得到的特征圖再與F′ 相乘輸出特征F，關(guān)注目標(biāo)所在位置的特征信息，是對(duì)通道注意力的補(bǔ)充。空間注意力的計(jì)算見(jiàn)式（2）。

分別在空間和通道2個(gè)維度，學(xué)習(xí)并提取特征中的權(quán)重分布，依次推斷得到注意力特征圖。將注意力特征圖與原特征圖相乘進(jìn)行自適應(yīng)特征優(yōu)化，再次與原特征圖相加，如圖4中虛線(xiàn)箭頭，二次增強(qiáng)小目標(biāo)區(qū)域的有效特征信息，更有利于提升小目標(biāo)的檢測(cè)效果。Co-AM的計(jì)算見(jiàn)式（3）。

為了減輕模型參數(shù)量，保留預(yù)訓(xùn)練參數(shù)的基礎(chǔ)上增強(qiáng)模型效果，本文將Co-AM模塊搭建在CSPDar-knet53主干網(wǎng)絡(luò)結(jié)構(gòu)后，模型結(jié)構(gòu)位置如圖7所示。

Co-AM使網(wǎng)絡(luò)能更多的關(guān)注小目標(biāo)區(qū)域，充分提取小目標(biāo)的特征信息，強(qiáng)化低層特征圖中的有效特征，抑制無(wú)效特征及噪聲，獲取更多的小目標(biāo)的細(xì)節(jié)信息，避免小目標(biāo)因特征不明顯而被當(dāng)成背景信息，從而提高算法對(duì)小目標(biāo)的檢測(cè)精度[15]。

3實(shí)驗(yàn)與結(jié)果分析

3.1數(shù)據(jù)集與數(shù)據(jù)處理

本文選擇MS COCO[16]作為實(shí)驗(yàn)數(shù)據(jù)集。該數(shù)據(jù)集是一個(gè)大型的、豐富的用于物體檢測(cè)、分割等的數(shù)據(jù)集。主要收集自然環(huán)境中包含常見(jiàn)對(duì)象的日常復(fù)雜場(chǎng)景的圖像，圖像中的目標(biāo)都有精確的位置標(biāo)定。MS COCO 2017數(shù)據(jù)集包含訓(xùn)練集圖片118287張，約19.3GB，驗(yàn)證集圖片5000張，約1814.7M，共計(jì)123287張。數(shù)據(jù)集包括80個(gè)目標(biāo)分類(lèi)，平均每張圖片包含3.5個(gè)類(lèi)別和7.7個(gè)實(shí)例目標(biāo)。

該數(shù)據(jù)集中定義大目標(biāo)為所占像素面積大于96的目標(biāo)，中目標(biāo)所占像素面積大于32并且小于96，其余像素面積小于32的目標(biāo)均為本文重點(diǎn)檢測(cè)的小目標(biāo)。數(shù)據(jù)集中小目標(biāo)的數(shù)量和像素值分布的統(tǒng)計(jì)如表1所示。從表中發(fā)現(xiàn)雖然數(shù)據(jù)集上小目標(biāo)的數(shù)量很多，但是所占的像素又很少，這和我們的生活是類(lèi)似的，這也是選擇該數(shù)據(jù)集的原因之一。

COCO數(shù)據(jù)集作為小目標(biāo)檢測(cè)數(shù)據(jù)有以下優(yōu)點(diǎn)：①包含大量小尺寸目標(biāo);②數(shù)據(jù)集場(chǎng)景復(fù)雜，能夠提供較多目標(biāo)上下文信息;③數(shù)據(jù)集規(guī)模大，數(shù)據(jù)類(lèi)型豐富，具有較強(qiáng)的泛化性和遷移能力[17]。

本算法模型對(duì)數(shù)據(jù)集使用了CutMix和Mosaic等方法做數(shù)據(jù)增強(qiáng)。

3.2模型訓(xùn)練

實(shí)驗(yàn)在Ubuntu16.04.12操作系統(tǒng)下進(jìn)行，深度學(xué)習(xí)框架為Pytorch，開(kāi)發(fā)語(yǔ)言為Python。硬件配置包括CPU為Intel（R） Xeon（R） Gold 5218R，主頻為2.10GHz，內(nèi)存為36GB;GPU為兩塊NVIDIA RTX 2080Ti，顯存11GB。

為了獲得更好的結(jié)果，模型選擇了具備自適應(yīng)調(diào)節(jié)步長(zhǎng)能力的Adam方法作為優(yōu)化算法，其中學(xué)習(xí)率初始值設(shè)置為0.0026，batchsize設(shè)置為128，訓(xùn)練過(guò)程中將128張圖一次性加載進(jìn)內(nèi)存，前向傳播后將128張圖的loss累加求平均，再一次性后向傳播更新權(quán)重。subdivisions設(shè)置為16，一個(gè)batch分16次完成前向傳播，即每次計(jì)算8張。為了防止模型出現(xiàn)過(guò)擬合，模型中使用了類(lèi)別標(biāo)簽平滑，并且在訓(xùn)練階段加入了系數(shù)為0.0005的權(quán)重衰減正則項(xiàng)。

輸入圖片大小為608×608，以上述模型訓(xùn)練參數(shù)為基礎(chǔ)訓(xùn)練出3個(gè)改進(jìn)后的模型，分別為改進(jìn)特征融合的模型，加入混合注意力的模型以及兩改進(jìn)點(diǎn)共同作用的模型，用于后續(xù)檢測(cè)的消融實(shí)驗(yàn)。

3.3檢測(cè)效果分析及算法性能評(píng)價(jià)

本文方法在MS COCO數(shù)據(jù)集上進(jìn)行了多組實(shí)驗(yàn)以驗(yàn)證小目標(biāo)的檢測(cè)效果，實(shí)驗(yàn)中發(fā)現(xiàn)，影響檢測(cè)效果的因素主要是錯(cuò)檢和漏檢。檢測(cè)效果如圖8所示，圖中共標(biāo)注44個(gè)待檢目標(biāo)，圖8（a）為YOLOv4模型的檢測(cè)效果，檢測(cè)出22個(gè)目標(biāo)，錯(cuò)檢3個(gè)目標(biāo)，漏檢22個(gè)目標(biāo);圖8（b）為加入ReFPN后模型的檢測(cè)效果，檢測(cè)出28個(gè)目標(biāo)，錯(cuò)檢3個(gè)目標(biāo)，漏檢16個(gè)目標(biāo);圖8（c）為加入Co-AM后模型的檢測(cè)效果，檢測(cè)出27個(gè)目標(biāo)，錯(cuò)檢3個(gè)目標(biāo)，漏檢17個(gè)目標(biāo);圖8（d）為本文綜合改進(jìn)模型后的檢測(cè)效果，檢測(cè)出31個(gè)目標(biāo)，錯(cuò)檢3個(gè)目標(biāo)，漏檢13個(gè)目標(biāo)。本文算法在數(shù)據(jù)集上有效提高了對(duì)小目標(biāo)的檢測(cè)效果，下一步將研究依舊存在錯(cuò)檢和漏檢的原因并通過(guò)改進(jìn)來(lái)提高算法的檢測(cè)效果。

為對(duì)比評(píng)價(jià)YOLOv4模型和本文訓(xùn)練出的3個(gè)模型對(duì)于包含小目標(biāo)的COCO數(shù)據(jù)集的檢測(cè)精度，采用AP（average precision）作為評(píng)價(jià)指標(biāo)。AP是指P-R（precision-recall）曲線(xiàn)與坐標(biāo)第一象限圍成的面積，通常在實(shí)際應(yīng)用中并不會(huì)直接對(duì)P-R曲線(xiàn)計(jì)算AP，而是對(duì)P-R曲線(xiàn)進(jìn)行平滑處理操作，即對(duì)P-R曲線(xiàn)上的每一個(gè)點(diǎn)，都選擇該點(diǎn)右側(cè)最大的那個(gè)精確率值，然后使用平滑后的精確率值計(jì)算AP，計(jì)算AP的計(jì)算式為式（4）、（5）。

各項(xiàng)實(shí)驗(yàn)數(shù)據(jù)如表2所示。選取Pytorch版本的YOLOv4算法作為對(duì)比基線(xiàn)模型，可以看出，相較于YOLOv4算法在COCO數(shù)據(jù)集上目標(biāo)檢測(cè)的精度，本文中加入ReFPN的模型平均精度AP提高了1.1%，小目標(biāo)平均精度AP提高了2.4%;加入Co-AM的模型平均精度AP提高了1.4%，小目標(biāo)平均精度AP提高了1.8%;綜合改進(jìn)后的模型平均精度AP提高了1.9%，小目標(biāo)平均精度AP提高了3.3%。結(jié)果表明，本文提出的方法有效提取了小目標(biāo)的特征信息，提高了YOLOv4算法的目標(biāo)檢測(cè)精度，尤其對(duì)小目標(biāo)的檢測(cè)效果提升明顯。

為了便于比較各算法性能指標(biāo)，表3列出了最新小目標(biāo)檢測(cè)算法中的Bi-SSD[18]、FIENet[19]、CPNet[20]和IENet[21]在MS COCO數(shù)據(jù)集上的具體檢測(cè)結(jié)果。綜合表中各精度數(shù)據(jù)來(lái)看，在MS COCO數(shù)據(jù)集的目標(biāo)檢測(cè)中，除本文算法模型外，IENet算法模型的性能表現(xiàn)最優(yōu)，其次是CPNet，然后是FIENet和Bi-SSD。本文算法精度均優(yōu)于其他算法。從平均精度方面來(lái)看，本文算法的AP值相比于其他算法有所提升，達(dá)到51.5%;中等尺寸和大尺寸目標(biāo)的平均檢測(cè)精度AP和AP分別都有提升，說(shuō)明本文算法在提升小目標(biāo)的檢測(cè)精度的同時(shí)沒(méi)有損失其他目標(biāo)的檢測(cè)精度;小尺寸目標(biāo)的平均檢測(cè)精度AP提升較大，達(dá)到35.4%，整體檢測(cè)效果均優(yōu)于其他算法，說(shuō)明本文算法在COCO數(shù)據(jù)集上具有更好的目標(biāo)檢測(cè)能力。

4結(jié)論

YOLOv4算法在通用數(shù)據(jù)集中對(duì)小目標(biāo)的檢測(cè)不夠理想，根據(jù)小目標(biāo)分辨率低、攜帶信息少、容易受到背景因素影響等特點(diǎn)，本文提出一種基于反饋的特征融合網(wǎng)絡(luò)ReFPN，利用ASPP作為反饋連接提升整合多尺度信息的能力，兩次利用骨干網(wǎng)絡(luò)提取的原始特征信息加強(qiáng)小目標(biāo)特征信息，對(duì)其進(jìn)行更精確的位置回歸。同時(shí)提出混合注意力機(jī)制Co-AM來(lái)充分提取小目標(biāo)的細(xì)節(jié)特征信息，強(qiáng)化低層特征圖中的有效特征信息，抑制無(wú)效特征，進(jìn)一步提高小目標(biāo)的檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的YOLOv4模型在MS COCO數(shù)據(jù)集上對(duì)目標(biāo)的檢測(cè)平均精度AP提高了1.9%，小目標(biāo)平均精度AP提高了3.3%，證明了本文提出的方法可以有效提升小目標(biāo)的檢測(cè)效果。與其他最新小目標(biāo)檢測(cè)算法相比，該算法達(dá)到了較好的檢測(cè)性能，但仍有提升空間，下一步將參考本文方法嘗試尋找構(gòu)建最優(yōu)的網(wǎng)絡(luò)模型用于圖像及視頻中的小目標(biāo)檢測(cè)，獲得進(jìn)一步性能的提升。

參 考 文 獻(xiàn)：

[1]丁博，王水凡. 基于混合預(yù)測(cè)模型的交通標(biāo)志識(shí)別方法[J].哈爾濱理工大學(xué)學(xué)報(bào)，2019，24（5） ：108.DING Bo， WANG Shuifan. Traffic Signs Identification Based on Mixed Forecasting Model[J]. Journal of Harbin University of Science and Technology，2019，24 （5）： 108.

[2]WU X，?SAHOO D， HOI S C H. Recent Advances in Deep Learning for ObjectDetection[J]. Neurocomputing， 2020， 396： 39.

[3]LECUN Y，?BOTTOU L， BENGIO Y， et al. Gradient-based Learning Applied to Document Recognition[J]. Proceedings of the IEEE，1998，86（11）：2278.

[4]劉忠偉，戚大偉.基于卷積神經(jīng)網(wǎng)絡(luò)的樹(shù)種識(shí)別研究[J].森林工程，2020，（1）：33.LIU Zhongwei， QI Dawei. Study on Tree Spiecies Identification Based on Convolution Neural Network[J]. Forest Engineering，2020，36（1）： 33.

[5]REN S， HE K， GIRSHICK R， et al. Faster R-CNN： Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2017， 39（6）：1137.

[6]LIU W，ANGUELOV D，ERHAN D，et al.SSD： Single Shot Multibox Detector[C]//European Conference on Computer Vision.2016： 21.

[7]REDMON J， DIVVALA S， GIRSHICK R， et al. You Only Look Once： Unified， Real-time Object Detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016： 779.

[8]REDMON J， FARHADI A. Yolov3： An Incremental Improvement[J]. arXiv preprint arXiv：1804.02767， 2018.

[9]BOCHKOVSKIY A， WANG C Y， LIAO H Y M. Yolov4： Optimal Speed and Accuracy of Object Detection[J]. arXiv preprint arXiv：2004.10934， 2020.

[10]LIN T Y， DOLLR P，GIRSHICK R， et al. Feature Pyramid Networks for Object Detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017： 2117.

[11]QIAO S， CHEN L C， YUILLE A. DetectoRS： Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution[J]. arXiv， 2020.

[12]SANTORO A， FAULKNER R， RAPOSO D， et al.Relational Recurrent Neural Networks[J]. arXiv preprint arXiv： 1806.01822， 2018.

[13]WOO S， PARK J， LEE J Y， et al. Cbam： Convolutional Block Attention Module[C]//Proceedings of the European Conference on Computer Vision （ECCV）. 2018： 3.

[14]徐誠(chéng)極，王曉峰，楊亞?wèn)|. Attention-YOLO：引入注意力機(jī)制的YOLO檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用，2019，55 （6）：13.XU Chengji， WANG Xiaofeng， YANG Yadong.Attention-YOLO：YOLO Detection Algorithm that Introduces Attention Mechanism[J]. Computer Engineering and Applications， 2019， 55（6） ：13.

[15]劉芳，韓笑.基于多尺度深度學(xué)習(xí)的自適應(yīng)航拍目標(biāo)檢測(cè)[J].航空學(xué)報(bào)， 2022， 43（2）：325270.LIU Fang， HAN Xiao. Adaptive Aerial Object Detection Based on Multi-scale Deep Learning[J]. Acta Aeronautica et Astronautica Sinica， 2022，43（2）：325270.

[16]LIN T Y， MAIRE M， BELONGIE S， et al. Microsoft COCO ： CommonObjects in Context[C]// European Conference on Computer Vision. Springer International Publishing， 2014.

[17]梁華，宋玉龍，錢(qián)鋒，等.基于深度學(xué)習(xí)的航空對(duì)地小目標(biāo)檢測(cè)[J].液晶與顯示，2018，33（9）：793.LIANG Hua， SONG Yulong， QIAN Feng， et al. Aeronautical Small Target Detection to Ground Based on Deep Learning[J]. LCD and Display， 2018，33（9） ： 793.

[18]汪能，胡君紅，劉瑞康，等.基于 Bi-SSD 的小目標(biāo)檢測(cè)算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2020，29（11）：139.WANG Neng， HU Junhong， LIU Ruikang， et al. Small Target Detection Algorithm Based on Bi-SSD[J]. Computer Systems & Applications，2020，29（11）：139.

[19]劉建政，梁鴻，崔學(xué)榮，等.融入特征融合與特征增強(qiáng)的SSD目標(biāo)檢測(cè)[J/OL].計(jì)算機(jī)工程與應(yīng)用：1 [2021-03-12].LIU Jianzheng， LIANG Hong， CUI Xuerong， et al. SSD Visual Target Detector Based on Feature Integration and Feature Enhancement[J/OL]. Computer Engineering and Applications， 1[2021-03-12].

[20]DUAN K， XIE L， QI H， et al. Corner Proposal Network for Anchor-free， Two-stage Object Detection[J]. arXiv preprint arXiv：2007.13816， 2020.

[21]LENG J X， REN Y H， JIANG W， et al.Realize your Surroundings： Exploiting Context Information for Small Object Detection[J]. Neurocomputing，2021，433：287.

（編輯：溫澤宇）