A Lightweight Small Object Detection Framework Based on Enhanced BiFPN and Attention Mechanisms
本文提出了 ESW-YOLO，这是一个基于 YOLO11n 的轻量化小目标检测框架，该框架集成了动态蛇形卷积（Dynamic Snake Convolution）、一个带有额外高分辨率检测头的增强型 BiFPN 以及 iEMA 注意力机制，并采用 WIoU 损失函数，在保持相当参数量的同时，显著提高了对小型及细长目标的检测精度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在计算机视觉这一广袤的领域中，机器正在学习如何观察世界，但其中存在着一个持久且顽固的挑战：识别微小的物体。虽然现代系统可以轻松识别照片中的汽车或人，但在面对尘埃、发丝般的裂纹或远处的飞行器时，它们往往会显得力不从心。这种困难源于深度学习系统（它们模仿人类大脑识别模式的能力）通过逐步缩小图像来寻找宏观形状的工作机制。在这个简化的过程中，构成微小物体的极少数像素往往会消失，或者变得过于模糊而无法发挥作用。此外，这些系统用于判断其寻找物体效果好坏的数学规则，通常是针对较大、更规则的形状进行调优的，这使得它们在处理微小的、细长的斑点时显得并不可靠。解决这一问题对于现实世界的安全与效率至关重要，从确保制造电路板的结构完整性到监测偏远景观中的隐患。
来自上海电力大学的研究人员冯坤鹏和包卫华提出了一种应对这一问题的新方法，创建了一个名为 ESW-YOLO 的系统。该系统基于一种流行且高效的检测框架 YOLO11 构建，其设计初衷是专门为了捕捉这些难以捉摸的小目标，且不需要庞大的计算能力。研究团队并非仅仅微调现有的设置，而是重新构思了机器“视觉”的三个核心部分，以更好地适应微小目标的独特性质。首先，他们用一种称为“动态蛇形卷积”（Dynamic Snake Convolution）的技术取代了系统扫描图像的标准方式。不同于传统的相机镜头以固定的像素网格进行观察，这种新方法允许系统灵活地弯曲其焦点，像蛇追踪路径一样描绘物体的轮廓。这对于那些可能被僵硬的方框式扫描所遗漏的细小、纤细的缺陷特别有用。
其次，研究人员重新设计了组合不同视觉信息层的内部网络。在标准系统中，高层细节与底层细节的融合方式往往会冲淡微小目标的微弱信号。该团队引入了一种名为 EBPN 的新结构，它专门为小目标增加了一个专门的高分辨率观察层。该层配有一个特殊的注意力机制，就像一束聚光灯，迫使系统更加关注最相关的特征，同时忽略背景噪声。最后，他们改变了机器通过错误进行学习时的评分系统。原始系统使用一种根据形状比例来惩罚误差的规则，当处理微小且拉长的物体时，这条规则经常会让机器感到困惑。研究人员将其更换为一种新的评分方法，该方法专注于检测到的物体与其真实中心之间的距离，从而为系统的准确性提升提供更清晰、更稳定的引导。
在两组截然不同的图像集上进行测试时——一组包含电路板上的微观缺陷，另一组包含航空遥感照片中的小型人造物体——新系统展现出了显著的性能飞跃。在电路板数据集中，其中的缺陷宽度通常不超过十几个像素，新模型识别物体的能力比其基于的标准版本提高了 12.7 个百分点。这代表了超过 20% 的相对提升，在进步往往以百分之零点几来衡量的领域中，这是一个实质性的进步。该系统也保持了相似的内部参数数量，这意味着它并没有变得显著沉重或运行复杂，尽管它确实需要稍多的计算能力来处理额外的细节。
研究进一步表明，这些改进不仅仅是由于增加了更多组件，而是由于这些组件如何协同工作。当研究人员对组件进行单独测试时，他们发现新的评分方法本身仅提供了微小的提升，而灵活的扫描方法在没有其他升级的情况下实际表现反而更差。只有当灵活扫描、高分辨率观察层和新的评分方法结合在一起时，系统才真正表现出色，甚至超越了那些内部参数量是其三到四倍的大型复杂模型。在遥感测试中，该系统在识别航空图像中的游乐场方面表现得尤为出色，在这一类别中，它以大幅领先于最接近的竞争对手，这可能归功于它处理环境中多样化纹理和形状的能力。
虽然这个新框架为寻找小目标提供了一个强大的解决方案，但研究人员也承认存在权衡。高分辨率观察层的加入增加了计算成本，使得系统在移动电话或无人机等资源受限的设备上运行速度略有变慢。然而，结果表明，对于那些错过微小缺陷可能导致高昂代价或危险的应用场景而言，这种额外的成本是一项值得的投资。这项工作为提高机器视觉对重要微小细节的敏感度提供了一条清晰的路径，证明了通过改变系统观察世界的方式，我们可以看到那些此前无法被察觉的事物。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。