一种基于参数轻量级动态聚合策略的小目标检测方法

本发明涉及图像处理技术领域，具体涉及一种基于参数轻量级动态聚合策略的小目标检测方法，主要解决了现有检测方法识别小目标困难、模型复杂度高等问题。首先，通过删除骨干网络中最高层级的特征来移除与小目标检测关联不大的深层语义特征；其次，通过自动确定目标数据集中小目标的占比来优化SPPF模块中所需池化层的数量；最后，在模型的FPN部分融入更多低层级的特征。作为一种利用较少参数设计检测器的高效策略，本发明可以与大多数基于卷积神经网络的检测器相结合。本发明的优点在于大幅减少原模型参数量的情况下提高其对小目标的检测精度。