计算机工程

作者：王磊, 胡君红, 任洋

单位：华中师范大学物理科学与技术学院，湖北 武汉 430079

关键词：大内核,小目标,上下文信息,特征细化,自适应融合,感受野

基金：国家自然科学基金(60101204); 湖北省自然科学基金(2020CFB474)

针对当前基于卷积神经网络的单阶段目标检测算法(YOLO系列、VFNet等)在高空拍摄场景下目标背景复杂、检测精度低、特征混叠等问题，提出一种端到端的目标检测算法CSPENet。首先，采用基于大内核深度卷积CSPNeXt作为模型主干，提高模型捕捉全局上下文的能力；其次，通过引入特征细化模块(FRM)在空间和通道维度上生成自适应权重，可有效抑制混叠特征，并在特征融合阶段添加基于移动网络的感受野注意力(RFA)机制解决大内核参数共享问题；最后，采用EIoU损失函数作为模型的回归损失函数，并拆分预测框和真实框纵横比的影响因子，以提高模型收敛速度并改善定位效果。实验结果表明，CSPENet在VisDrone-DET数据集上相对于DINO算法平均准确率均值提升4.4百分点，为小目标检测算法的研究及其应用提供新的参考方案。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期