论文部分内容阅读
为了实现光照不均匀、噪声干扰下的图像小目标识别,提出了一种改进的Faster-RCNN的小目标检测方法。使用不同膨胀率的空洞卷积来代替池化层,通过扩大感受野增强主干网络的特征提取能力,同时将低层特征图和高层特征图进行特征融合,提高小目标的检测能力;其次使用k-means聚类算法生成适合本数据集的基准锚框,提高定位精度;最后在Fast R-CNN网络中引入新的特征提取层,并在损失函数中增加光照约束条件,以此学习图像光照感知特征。在自制数据集上做了对比实验,结果表明,改进后的算法检测精度提高了5.54%