小物体检测对计算机视觉和物体检测提出了重大挑战。小物体探测器的性能通常会因缺乏像素和不太重要的特征而受到影响。这个问题源于特征尺度变化和特征处理过程中信息丢失导致的信息错位。针对这一挑战，本文提出了一种新颖的多到单模块(M2S)，它通过改进特征提取和细化特征来增强特定层。具体来说，M2S包括提出的跨尺度聚合模块(CAM)和探索的双重关系模块(DRM)，以提高信息提取能力和特征细化效果。此外，本文利用M2S生成额外的检测头，提高了小物体检测的精度。该方法的有效性在两个数据集 VisDrone2021-DET 和 SeaDronesSeeV2 上进行了评估。实验结果表明，与现有方法相比，其性能有所提高。与基线模型(YOLOv5s)相比，M2S 在 VisDrone2021-DET 测试数据集上的准确率提高了约 1.1%，在 SeaDronesSeeV2 验证集上的准确率提高了 15.68%。

简介

小物体检测([1]、[2]、[3]、[4]、[5])⻓期以来一直是物体检测中的一个挑战，其目标是准确地检测小物体(小于 32 像素 x 32

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/黑客灵魂/article/detail/911584