来源：期刊VIP网 时间：
作者：路琪;郭乐江;于元强;刘飞;熊鑫;
单位：空军预警学院雷达士官学校;空军预警学院教研保障中心;
摘要：低空慢速小目标的监视一直是预警探测领域的重点和难点。目前主流的基于卷积神经网络的目标检测算法主要设计应用于VOC数据集或COCO数据集，在特定场景下检测精度并不理想。YOLO是目前应用最广泛的单阶段目标检测算法之一，在检测速度方面具有独特的优势。利用可见光成像手段获取小型无人机目标图片，基于YOLOv7算法改进了其特征增强网络，提出一种三分支并行特征金字塔网络，以获得更多的小目标上下文语义特征；将改进后的算法与生成对抗网络进行级联，旨在生成更真实的超分辨率图像，从而提高检测精度。与目前最先进的目标检测方法相比，该方法在满足检测实时性要求的前提下，使得检测精度有了显著的提升。由于训练集有限，为了提高泛化能力，还提出了SOD-Mosaic数据增强方法，该方法提高了检测器的鲁棒性和泛化能力。
关键词：自动目标识别;;卷积神经网络;;小目标检测;;数据增强;;特征增强;;特征金字塔网络
