计算机应用

作者：王林, 刘景亮, 王无为

单位：1.厦门工学院 数据科学与计算机学院，福建 厦门 361021；2.西安理工大学 自动化与信息工程学院，西安 710048；3.西安邮电大学 自动化学院，西安 710121

关键词：小目标检测,特征融合,空洞卷积,无人机图像,Swin Transformer

基金：国家自然科学基金资助项目(62202376);陕西省科协青年人才托举计划项目(20220129);陕西省教育厅专项科研计划项目(22JK0565);厦门工学院科学与技术研究院启动项目(KYYKT202301)

针对无人机（UAV）航拍图像中目标场景复杂、目标尺度多样、小目标密集和目标遮挡严重的问题，提出一种多尺度空洞卷积的UAV图像目标检测算法Swin-Det。首先，采用Swin Transformer作为主干特征提取网络，并在主干网络中引入空间信息交融模块（SIBM），从而解决因物体间遮挡而导致的目标信息模糊的问题；其次，提出一种融合空洞特征金字塔网络（FDFPN），通过多分支的空洞卷积融合特征信息，以有效提高网络的感受野以及特征信息的复用，使模型可以学习到不同维度的细节特征；最后，采用线性插值法和多任务损失函数解决预测区域不匹配和样本不平衡的问题，提升模型的检测精度。在VisDrone数据集上的实验结果表明，Swin-Det算法的平均精度均值（mAP）达到了27.2％，与原始Swin Transformer相比，提高了4.1个百分点，且在同一训练批次下收敛更快。可见，Swin-Det算法可在复杂场景下实现对无人机图像目标的高精度检测。

来源：2024年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第11期