摘要
一种基于语义增强和高斯损失的小目标检测方法,包括:1)将训练集中的图像进行图像预处理操作,包括等比缩放、区域填充、仿射变换和mosaic数据增强;2)经过处理后的图像之后被输入到Darknet‑53特征提取网络,随着骨干网络的深入,依次输出三个尺度的特征图;3)三个特征图随后进入改进后的FPN网络,其由本实例提出的语义增强融合模块构成;4)经过特征融合的特征图进入Head直接预测目标的类别和预测框位置(cx,cy,w,h);5)通过高斯Wasserstein距离损失函数对预测框结果进行评估,并训练模型。