小目标检测是现阶段目标检测领域的热点和难点问题。针对小目标检测漏检及对硬件性能要求较高的问题，对Tiny YOLOV3进行改进，提出一种适合在低性能平台上使用的小目标检测算法AE-Tiny YOLOV3。首先，使用EfficientNet-B0骨干网络替换原算法的特征提取网络；其次，在检测网络中增加一个检测分支，形成3尺度预测；最后，引入注意力机制对3个检测分支进行改进。实验结果表明，在VOC07+12数据集上，AE-Tiny YOLOV3算法满足实时检测的要求，并且鲁棒性较高，最高能将mAP值提高16.89%。将AE-Tiny YOLOV3算法应用在架空输电线路中绝缘子状态检测实例上，mAP达到了86.53%，相较于Tiny YOLOV3算法提升了15.27%，能满足对小目标绝缘子状态的实时检测。
0 引言
近些年，人工智能领域不断发展，涌现出一大批基于深度学习的目标检测算法。相较于传统目标检测算法，深度学习算法速度更快，精度更高。目前，深度学习领域对目标检测算法主要进行了两方面的研究：①以