基于BiFPN加小目标检测头的目标检测优化方案与实践

1次阅读

没有评论

共计 2531 个字符，预计需要花费 7 分钟才能阅读完成。

小目标检测在计算机视觉领域一直是一个具有挑战性的任务。主要原因包括：

特征信息不足：小目标在图像中占据的像素较少，导致提取的特征信息量不足
定位精度低：传统检测算法对小目标的边界框预测不够精确
背景干扰严重：小目标容易被复杂背景淹没，导致误检和漏检
尺度变化大：同一场景中不同大小目标的检测需求增加了模型复杂度

单向特征融合路径（自上而下）
各层级特征融合采用简单相加操作
不同尺度特征的重要性未被区分

双向特征融合：同时实现自上而下和自下而上的信息流动
加权特征融合：通过学习权重动态调整不同层级特征的贡献度
跨尺度连接：增强特征复用，改善小目标检测效果
计算效率高：通过节点精简减少计算量

输入特征层处理：
接收来自骨干网络的多尺度特征图
通常选择 P3-P7 五个层级（stride 8 到 stride 128）
加权特征融合机制：
对每个输入特征应用可学习的权重参数
使用快速归一化融合技术（Fast Normalized Fusion）
计算公式：O = ∑(wi·Ii)/(∑wj + ε)
跨尺度连接设计：
同级节点间建立快捷连接
高层语义信息与低层细节信息充分交互

高分辨率特征利用：主要基于 P3 和 P4 层级特征（stride 8 和 16）
锚框尺寸优化：针对小目标设置更密集的小尺寸锚框
特征增强模块：
加入注意力机制（如 SE Block）
使用空洞卷积扩大感受野
损失函数调整：
增加小目标样本的权重
采用 Focal Loss 缓解类别不平衡

import torch
import torch.nn as nn
import torch.nn.functional as F

class BiFPN(nn.Module):
    def __init__(self, feature_size=256):
        super(BiFPN, self).__init__()
        # 可学习权重参数（ε=0.0001 防止除零）self.w = nn.Parameter(torch.ones(3, dtype=torch.float32), requires_grad=True)
        self.epsilon = 1e-4

        # 上采样和下采样模块
        self.up_sample = nn.Upsample(scale_factor=2, mode='nearest')
        self.down_sample = nn.MaxPool2d(kernel_size=2)

        # 特征融合卷积
        self.conv = nn.Conv2d(feature_size, feature_size, kernel_size=3, padding=1)

    def forward(self, inputs):
        # inputs: [P3, P4, P5, P6, P7]
        # 自上而下路径
        p7_up = self.up_sample(inputs[4])
        p6_td = self.w[0] * inputs[3] + self.w[1] * p7_up
        p6_td = p6_td / (self.w[0] + self.w[1] + self.epsilon)

        p6_up = self.up_sample(p6_td)
        p5_td = self.w[0] * inputs[2] + self.w[1] * p6_up
        p5_td = p5_td / (self.w[0] + self.w[1] + self.epsilon)

        # 自下而上路径
        p5_out = self.conv(p5_td)
        p6_out = self.conv(p6_td)

        return [p3_out, p4_out, p5_out, p6_out, p7_out]

class SmallObjectHead(nn.Module):
    def __init__(self, in_channels, num_classes):
        super(SmallObjectHead, self).__init__()
        # 特征增强模块
        self.enhance = nn.Sequential(nn.Conv2d(in_channels, in_channels//2, 3, padding=1),
            nn.BatchNorm2d(in_channels//2),
            nn.ReLU(inplace=True),
            SEBlock(in_channels//2)  # SE 注意力模块
        )

        # 预测头
        self.cls_head = nn.Conv2d(in_channels//2, num_classes, 3, padding=1)
        self.reg_head = nn.Conv2d(in_channels//2, 4, 3, padding=1)

    def forward(self, x):
        x = self.enhance(x)
        cls_logits = self.cls_head(x)
        reg_pred = self.reg_head(x)
        return cls_logits, reg_pred

在 COCO 数据集上的测试结果对比：