基于改进YOLOX的微小目标快速检测方法

针对微小目标检测存在准确率低、速度慢等问题,提出了一种基于改进YOLOX的微小目标快速检测方法。改进YOLOX算法中嵌入了一种轻量级的卷积块注意力模块(Convolutional Block Attention Module,CBAM),以帮助算法在大背景中找寻局部密集而微小的潜在目标区域,增强微小目标特征提取能力;使用DIoU损失函数优化收敛速度,提升目标检测的定位能力;在解耦头中引入Focal Loss作为置信度损失函数,缓解难易样本数量的不均衡。结果表明,改进算法在TinyPerson数据集上平均正确率(Average Precision,AP)最高可达52.69%,同时,改进YOLOX-s算法在Tesla P100上分辨率为1 440×928像素的图片检测速度可达35 FPS(Frames Per Second)。