基于特征金字塔增强与对抗训练的复杂场景小目标高精度检测方法及系统
本发明公开一种基于特征金字塔增强与对抗训练的复杂场景小目标高精度检测方法及系统。构建自适应多尺度特征融合网络(AMFF‑Net),利用动态权重调整机制,结合多层空洞卷积和轻量化注意力机制,增强小目标上下文感知能力和特征利用率。引入基于特征相似度的校准机制,保障小目标特征在多尺度传播中的保真度。设计双路对抗样本生成器,模拟真实场景干扰和遮挡模式,通过KL散度的一致性正则化损失函数约束模型预测稳定性。构建端到端联合优化框架,深度融合特征增强与对抗训练模块,采用多任务协同和渐进式训练策略。实验表明,该方法在COCO、VisDrone数据集上,小目标检测AP提升8%‑12%,漏检率降超60%,误检率低于5%,光照变化、遮挡干扰等复杂场景平均鲁棒性指标提升35%,极具产业应用价值与技术创新性。