论文题目:Visible and Clear: Finding Tiny Objects in Difference Map
作者:曹兵、姚海屿(硕士研究生)、朱鹏飞、胡清华
论文概述:微小目标检测(TOD)是目标检测领域的关键挑战之一。大多数通用检测器在检测微小目标时性能会出现显著下降。该任务的主要挑战在于提取微小目标的有效特征。微小目标在主干网络中信息丢失严重,这导致了其微弱的信号和扭曲的表示。现有方法通常使用基于生成的特征增强,但这种方式往往会受到虚假纹理和伪影的严重影响,使得微小目标特定的特征难以在检测中清晰可见。为解决这一问题,我们提出了自重建微小目标检测(SR-TOD)框架。我们首次在检测模型中引入自重建机制,并发现其与微小目标之间存在强相关性。具体而言,我们在检测器颈部后嵌入一个重建头(RH),构造重建图像与输入图像之间的差异图,其对微小目标高度敏感。这启发我们在差异图的引导下增强微小目标的弱表示,从而提高微小目标对于检测器的可见性。因此,我们进一步开发了差异图引导的特征增强(DGFE)模块,将丢失的微小目标信息变成一种有效的先验指导,使得微小目标的特征表示更清晰。此外,我们进一步提出了一个新的多实例反无人机数据集DroneSwarms,包含大量目前平均尺度最小(约7.9像素)的微小目标。在DroneSwarms和VisDrone2019等数据集上的广泛实验证明了所提方法的有效性。