CSF-Net:具有双脊柱的跨阶段融合网络,用于小型物体检测
Beilei Wang1, Hongyu Li1, Lin Wei1
1Software College, Northeastern University, Shenyang 110819, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
检测小物体是很困难的. 拟议的双脊柱跨阶段融合网络 (CSF-Net) 通过保留微细细节和语义上下文,提高了小物体检测的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 对象检测检测器可以检测到物体.
背景情况:
- 由于像素数量低和功能稀缺,小物体检测具有挑战性.
- 传统的单个骨干网络难以平衡语义提取和细节保存.
- 深度下方采样和后期融合阻碍了丢失的边缘和纹理信息的恢复.
研究的目的:
- 为小型物体检测提出一个有效的网络架构.
- 解决传统网络在捕获语义和微细细节方面的局限性.
- 提高计算机视觉应用中小目标检测的性能.
主要方法:
- 推出了双重骨干的跨阶段融合网络 (CSF-Net).
- 采用了不对称的设计,用于高分辨率的浅脊柱和用于语义的深脊柱.
- 利用渐进式跨阶段连接来早期融合小物体信息.
主要成果:
- 在微RGB无人机数据集上,CSF-Net将YOLOV8基线的平均平均精度 (mAP) 从62.8%提高到67.0%.
- 与基线相比,对小目标的检测性能有所提高.
- 验证了拟议的双脊柱和跨阶段融合方法的有效性.
结论:
- 拟议的CSF-Net有效地解决了小型物体检测的挑战.
- 双脊柱架构和跨阶段融合机制显著提高了检测准确度.
- CSF-Net为提高计算机视觉中小物体检测性能提供了一个有前途的解决方案.
