隐式融合微目标检测网络

跨尺度免对齐

用隐式神经表示统一多尺度特征，并引入感受野距离优化微小目标的标签分配，解决现有检测器中特征错位与正样本不足的问题。

陈侨川 · Tianyang, Xu · Sun, Yan · 王冰 · 韩越兴

Knowledge-Based Systems 2026

参数信息

检测精度

29.1 %

技术优势

细节不丢

融合多尺度特征时保持微小目标分辨率，减少信息损失。

正样本更多

通过感受野距离与IoU结合，为微小目标分配更多高质量正样本。

四类场景通吃

在遥感、自动驾驶、低空无人机和农业图像四个数据集上均取得领先性能。

应用场景

• 无人机航拍分析：提升航拍影像中微小目标（如行人、车辆）的识别能力。
• 自动驾驶感知：在远距离小尺寸目标场景下辅助感知系统降低漏检。
• 农业病虫害监测：从图像中自动识别微小害虫，降低人工巡查成本。
• 低空遥感：提高低空拍摄的微小地物（如小目标）检测精度。
• 小目标识别：为小目标识别提供缓解特征错位的新架构。