改进YOLOX中特征融合结构的目标检测方法

摘要

因无人机俯拍视角的特殊性,航拍目标在成像中呈现出小尺度/多尺度、外观相似度高、背景复杂干扰大等特点,导致航拍目标检测相对通用目标检测更具挑战和难度。为了解决该问题,针对通用目标检测中常用于融合多尺度特征的路径聚合网络(Path Aggregation Network, PANet)模块,本文提出一种改进PANet的多距离关联依赖MDAD (Multi-Distance Association Dependency)模块,该模块包含跨层连接和同层连接两种连接方式,通过密集的跨尺度交互融合增强不同尺度特征层的弱特征信息。同时,基于YOLOX框架和所提出的MDAD模块,构建了更加适合航拍多尺度复杂目标的检测方法。在公开的典型航拍目标检测数据集VisDroneDet上,实验验证了本文所提方法的有效性。所提模块可适用于在不同模型大小的主干网络上进行扩展,具有较好的实际应用价值。