基于深度学习的空域弱小目标检测

摘要

针对复杂空域场景下,由于目标尺度变化而导致检测性能不佳的问题,本文基于深度学习目标检测网络SSD_MobileNetV2,通过引入特征金字塔结构来对不同尺度的特征图进行融合并在每层独立进行预测,提升了模型对小尺度目标特征信息的表达能力,同时为解决模型训练过程中正负样本不均衡问题,使用Focal Loss对损失函数进行了改进.实验结果表明,改进算法具有与原模型相近的实时性能,但检测精度有了明显提升.