计算机应用

作者：吴俊, 赵川

单位：成都理工大学 计算机与网络安全学院，成都 610059

关键词：DETR,小目标,可变形注意力,多尺度注意力,WIoU v3

基金：四川省科技创新项目(24PYXM1008)

针对DETR（DEtection TRansformer）在小目标检测方面精度较低的问题，提出一种基于改进DETR算法的小目标检测方法。首先，针对骨干网络ResNet-50在小目标特征提取方面提取能力弱、效率低以及易丢失细节等问题，使用一种结合多尺度注意力机制的改进MetaFormer作为DETR的骨干网络，从而增强模型对小目标的表征能力；其次，针对Transformer注意力模块在处理图像特征映射时存在的收敛慢和特征空间分辨率受限等问题，引入可变形注意力解码器，从而使模型能够聚焦于参考点周围的关键采样区域，进而加快模型收敛并提升小目标的检测精度；最后，针对GIoU（Generalized Intersection over Union）损失函数无法衡量预测框质量的问题，引入WIoU （Wise-IoU） v3损失函数，从而为不同质量的预测框赋予差异化的梯度增益，进而引导模型收敛到更高的精度。在COCO2017目标检测数据集上的实验结果表明，相较于DETR，所提方法对小目标的平均检测精度提升了7.6个百分点，整体的平均检测精度提升了4.7个百分点。可见，所提方法具有更高的检测精度。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期