小目标检测中的集成融合

小目标检测常因图像模糊和分辨率低而受到阻碍，这给准确检测与定位此类目标带来了巨大挑战。此外，传统的特征提取方法在捕捉这些目标的有效表征方面也面临困难，因为下采样和卷积操作会导致小目标细节的模糊。为应对上述挑战，本研究提出一种基于集成融合的小目标检测方法，该方法充分利用多种异构模型变体的优势，并融合其预测结果。实验结果表明，所提出的集成融合策略能够有效发挥各模型的特长，显著提升小目标检测的准确率与鲁棒性。在鸟类小目标检测MVA挑战赛中，本模型在IoU阈值为0.5时取得了0.776的平均精度（AP）最高得分。