一种基于FCOS神经网络的小建筑物目标检测方法
作者:林思玉; 王敬东; 顾东泽; 姜宜君
更新时间:
提出了一种基于FCOS神经网络的小型建筑物目标检测算法。针对alpine模型在特征提取阶段提取的小型建筑物目标特征较少的问题,引入多尺度检测和可变形卷积来增强网络对小型建筑物目标的特征提取能力,通过改进的SGE注意机制,降低了特征图中干扰噪声的权重。改进后的网络能够提取更多的小建筑物目标特征,对环境干扰噪声具有较强的鲁棒性。在自行建立的数据集上进行了实验测试。结果表明,在相同环境下,建筑物的整体检测精度提高了1.7%,其中建筑物小目标的检测精度提高了3.6%,减少了建筑物小目标的漏检和误检问题。