一种基于特征增强的复杂场景下小目标检测方法

摘要

本发明属于计算机视觉和目标检测领域，具体涉及一种基于特征增强的复杂场景下小目标检测方法。本发明的技术方案是：首先提出Cutout‑DA数据增强方法，生成新的遮挡数据扩充至VisDrone2021数据集中，然后设计多尺度融合的特征增强路径聚合网络MSFE‑PANet，通过集成注意机制、特征融合以及针对小目标的网络预测尺度策略，获取到更丰富、细致的语义信息特征和空间信息特征，设计预测框排斥损失函数RB_Loss，最后训练模型。本发明可以增强深层特征图的强定位信息与浅层特征图的强语义信息相互融合，帮助网络在复杂场景中找到感兴趣区域，提高对小目标的敏感度。并设计RB_Loss排斥损失函数、网络预测尺度解决复杂背景下重叠、遮挡小目标的漏检、误检的问题。