基于环境上下文和语义特征融合的小目标检测算法

针对现阶段目标检测领域中小目标由于特征信息匮乏而难以检测的问题，提出了一种基于SSD(Single Shot multibox Detector)算法的改进小目标检测算法（CS-SSD）。首先，以特征金字塔中不同大小的感受野表达出的不同特征信息为基础，在SSD算法的主干框架上增加了环境上下文特征融合模块以及自顶向下的语义特征融合模块，为小目标提供环境上下文和语义特征信息；然后，在SSD算法的检测层上增加基于残差结构的检测头，从而充分利用融合后的特征以提高检测精度；最后，使用一种受人类学习方式启发的分阶段网络训练算法来缓解小目标与中大型目标在网络训练中损失不平衡问题。在VOC07+12数据集上进行实验，CS-SSD算法的平均检测精度（mAP）达到了82.00%，相较于SSD算法提升了2.08个百分点；同时小目标平均检测精度相较于SSD算法提升了7.87个百分点。实验结果表明，CS-SSD算法能充分融合网络中的环境上下文和语义特征信息以达到提高小目标检测精度的效果。