一种圆形锚框的Faster R-CNN小目标检测算法

小目标检测的主要任务是检测图像中尺寸小于32×32像素的目标并对其分类。由于传统矩形锚框结构检测小目标时匹配不准确,小目标在通用数据集中数量较少且分布不均匀,导致模型检测效果较差。为此,在Faster RCNN的基础上,提出一种圆形锚框的小目标检测方法。在RPN阶段采用圆形锚框定位感兴趣区域,通过新的面积交并比计算方法与损失函数减少模型参数量与锚框回归阶段的偏移计算,以增强模型对被检测目标的拟合能力,提升模型检测精度和效率。同时,为了解决现有公开数据集中小目标占比较少及分布不均匀问题,在MS COCO 2017数据集上进行数据增强操作,仅保留其中的小目标并将标注信息修改为对小目标包裹率较高的圆形包围框。实验表明,采用圆形锚框方法与数据增强方法在检测小目标时检测效果较好,检测效率、速度均明显优于Faster R-CNN,APS、检测速度分别提升4.1%与4 FPS。