基于改进RT-DETR的小目标检测算法

针对小目标检测任务中目标占图片比例小、语义信息少,因此检测中常出现漏检、误检等问题。文中提出一种改进RT-DETR的小目标检测模型,在保证实时性的前提下提高检测性能。首先,对RT-DETR模型中的主干网络进行改进,设计部分重新参数化卷积模块,提高了特征提取效率;然后,引入高效多尺度注意力机制,结合空间和跨空间信息聚合的方法,在AIFI编码器中使用HiLo注意力机制,减少了计算成本,提高了检测算法的鲁棒性;最后,在FloW-Img水上小目标数据集上开展实验,结果显示,改进后的RT-DETR模型相较于基线RT-DETR模型在漏检率和误检率方面均有所降低。在测试集上,算法的mAP@0.5指标达到了0.841,mAP@0.5:0.95指标为0.394。相比基线RT-DETR模型,mAP@0.5和mAP@0.5:0.95分别提升了5.5%和3.7%。检测效果优于基线模型与YOLO系列目标检测模型。

资料为PDF文档格式.

本文档关键词:测算,改进,目标,RT,DETR