论文部分内容阅读
针对现有的目标检测器,在机场场面环境下对于小目标检测的效果存在检测不到,定位不准的问题。首先建立一个包含4009张图片的机场场面数据集以供训练和测试使用,其次设计一个保持高分辨率网络用以保存场面小目标的特征信息,在网络中卷积时不被丢失。通过在神经网络中使用pixelshuffle操作,替换传统的双线性插值上采样,用以放大特征图与浅层特征图进行融合,增强特征的位置信息。实验表明,在均值平均精度达到64.7%的同时,速度上还能达到每秒45帧,满足实时性。特别是相比于Faster R-CNN目标检测算法,