一种基于改进RT-DETR的轻量化小目标检测方法

本发明公开了一种基于改进RT‑DETR的轻量化小目标检测方法，本方法的网络基于RT‑DETR目标检测网络结构进行改进，提出了能更好传递梯度和优化特征信息的轻量化模块(SRFM)；其次提出了多分支结构的神经网络块(DMSFM)，通过融合多个层次和角度的特征表示，增强了模型的表达能力。再次，提出了注意力模块(CHM)和基于PAN结构的特征融合网络(AEFN)，这使得特征包含丰富的语义和位置信息，增强对小目标的检测能力；在URPC2020、NWPU VHR‑10和RSOD数据集上进行了广泛的实验，与最先进的RT‑DETR方法相比，该方法的mAP值最高，分别为84.5％、91.4％、和95.3％，提高了1.1％、1.4％和0.9％，而且参数量减少了3M，这一改进表明，该方法更适合小目标检测任务。