学习借用特征以提高单射检测中小目标检测精度
计算机视觉与模式识别
2025-05-02 v1 最优化与控制
摘要
在单阶段目标检测器中检测小目标仍是一个重要挑战，原因在于卷积特征图在空间分辨率与语义丰富性之间存在固有的权衡。为此，我们提出一种新型框架，使小目标表征能够从同一类别中更大且语义更丰富的实例处“借用”判别性特征。我们的体系结构引入了三个关键组件：特征匹配块（FMB）用于跨层识别语义相似的描述符；特征表示块（FRB）用于通过加权聚合生成增强的浅层特征；特征融合块（FFB）用于整合原始特征、借用的特征与上下文信息来细化特征图。基于SSD框架构建，我们的方法在保持实时检测性能的同时，提升了浅层的描述能力。实验结果表明，我们的方法显著优于基线方法，提高了小目标检测精度，为在复杂视觉环境中实现稳健目标检测提供了有前景的方向。
引用
@article{arxiv.2505.00044,
title = {Learning to Borrow Features for Improved Detection of Small Objects in Single-Shot Detectors},
author = {Richard Schmit},
journal= {arXiv preprint arXiv:2505.00044},
year = {2025}
}