基于特征融合的CenterNet小目標(biāo)檢測(cè)方法*

琚長瑞 袁廣林 秦曉燕 李 豪

（中國人民解放軍陸軍炮兵防空兵學(xué)院計(jì)算機(jī)教研室 合肥 230031）

1 引言

目標(biāo)檢測(cè)[1～6]是計(jì)算機(jī)視覺領(lǐng)域一個(gè)重要研究方向，主要包含目標(biāo)的識(shí)別與定位兩個(gè)任務(wù)，最終目的是對(duì)圖像中感興趣的實(shí)例進(jìn)行分類并給出其位置邊界框。小目標(biāo)由于包含信息較少、數(shù)據(jù)集中存在的數(shù)量較低等因素，導(dǎo)致小目標(biāo)檢測(cè)一直是目標(biāo)檢測(cè)領(lǐng)域的難點(diǎn)、熱點(diǎn)[7]問題。目前，對(duì)小目標(biāo)檢測(cè)問題的研究主要有兩類方法。

第一種是數(shù)據(jù)增強(qiáng)的方法。2019年Kisantal[8]等針對(duì)小目標(biāo)檢測(cè)問題提出一種簡單、直接的數(shù)據(jù)增強(qiáng)方法，對(duì)數(shù)據(jù)集中小目標(biāo)進(jìn)行復(fù)制以及仿射變換，大幅增加了數(shù)據(jù)集中的小目標(biāo)數(shù)量，使用增強(qiáng)后的數(shù)據(jù)集進(jìn)行訓(xùn)練，對(duì)小目標(biāo)檢測(cè)率提升明顯。2021年Chen[9]等使用圖像拼接技術(shù)動(dòng)態(tài)地生成拼接圖像提升小目標(biāo)數(shù)量，從而增強(qiáng)小目標(biāo)的檢測(cè)精度。這類方法主要缺點(diǎn)是網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、實(shí)現(xiàn)步驟繁瑣，并且降低了訓(xùn)練和檢測(cè)的效率。

第二種是多尺度預(yù)測(cè)的方法。2017年Lin[10]等提出了特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN），采用自上而下的方法逐層將深層特征上采樣后與淺層特征融合，使淺層特征獲得了更強(qiáng)的語義信息，利用融合后的特征圖做多尺度預(yù)測(cè)。2019年G.Ghiasi[11]等對(duì)FPN結(jié)構(gòu)做了進(jìn)一步優(yōu)化，利用強(qiáng)化學(xué)習(xí)對(duì)適合當(dāng)前任務(wù)的特征融合最優(yōu)結(jié)構(gòu)進(jìn)行自動(dòng)搜索，并采用最優(yōu)結(jié)構(gòu)進(jìn)行檢測(cè)。此類方法主要缺點(diǎn)是采用多尺度預(yù)測(cè)的方式大大增加了計(jì)算量，從而大幅降低了檢測(cè)速度。……