基于YOLOv9的小目标检测算法改进研究
延臣 王, 景博 张
Abstract
小目标检测因特征语义模糊、跨尺度表征不足及训练稳定性差等问题，仍是计算机视觉领域的挑战性任务。针对YOLOv9框架在小目标检测中的性能瓶颈，本文提出在动态上采样与特征交互过程进行优化，聚焦上采样优化，利用动态点采样和自适应特征交互提升小目标特征恢复精度，在基于DySample+AIFI的优化路径上，DySample对上采样的特征图进行动态点采样，根据内容感知生成采样点，有效减少了上采样过程中的信息损失，AIFI通过位置嵌入与多头注意力融合，能够使模型更加关注小目标与上下文之间的依赖关系，融合到基准算法中使得检测精度达到65.6%。
Topics & Concepts
BusinessComputer scienceVisual Attention and Saliency DetectionBig Data and Digital EconomyAdvanced Neural Network Applications