基金项目:国家自然科学基金项目(61871258);水电工程智能视觉监测湖北省重点实验室建设(2019ZYYD007);2018年度水电工程视觉监测湖北省重点(三峡大学)实验室开放基金(2018SDSJ05);2020年产学合作协同育人项目(202002286038)收稿日期:2021－11－10修回日期:2021－11－26第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0181－09改进ＲetinaNet模型的小目标检测吴正平1，2，张程鹏1，雷帮军1，2*，赵俊臣1(1．三峡大学计算机与信息学院，湖北宜昌443002;2．三峡大学水电工程视觉监测湖北省重点实验室，湖北宜昌443002)摘要:小目标检测是目标检测任务中的难点问题之一，低分辨率的小目标存在可视化信息少、小目标占比小、在图像中分布不均匀等问题。为了应对这些挑战，提出了一种基于注意力机制改进的ＲetinaNet算法。首先对原始ＲetinaNet算法的特征提取模块ＲesNet－FPN进行改进，使网络能够更全面地提取目标特征信息;其次在FPN模块的P3层和P4层添加注意力机制，设计了精度更高的目标检测器ＲesNet－FPN*－Attention－ＲetinaNet。实验结果表明，相比于原始的ＲetinaNet网络，提出的ＲesNet－FPN*－Attention－ＲetinaNet网络在VOC2007测试集上的平均精度提升了0.55%;在制作的交通目标数据集上平均精度提升了2.3%，针对小目标的AP提高了4.52%。实验证明了所提出的ＲesNet－FPN*－Attention－ＲetinaNet网络比Ｒet-inaNet更加准确，更加适用于小目标检测任务。关键词:深度学习;目标检测;注意力机制;小目标检测中图分类号:TP18文献标识码:BSmallObjectDetectionBasedonImprovedＲetinaNetModelWUZheng－ping1，2，ZHANGCheng－peng1，LEIBang－jun1，2*，ZHAOJun－chen1(1．CollegeofComputerandInformationTechnology，ChinaThreeGorgesUniversity，YichangHubei443002，China;2．HubeiKeyLaboratoryofIntelligentVisionBasedMonitoringforHydroelectricEngineering，ChinaThreeGorgesUniversity，YichangHubei443002，China)ABSTＲACT:Smallobjectdetectioniswidelyusedinnationaldefense，intelligenttransportationandotherfields．However，smallobjectswithlowresolutionhavesomeproblemssuchaslessvisualinformation，lowproportionofsmallobjectsandunevendistributionintheimage．Inordertocopewiththesechallenges，animprovedＲetinaNetalgorithmbasedonattentionmechanismisproposedinthispaper．Firstly，thefeatureextractio...
