| 基于特征增强的轻量级无人机目标检测算法 |
| |
| 引用本文： | 陈运雷,刘紫燕,吴应雨,郑旭晖,张 倩,杨 模.基于特征增强的轻量级无人机目标检测算法[J].传感技术学报,2023,36(6):901-910. |
| |
| 作者姓名： | 陈运雷 刘紫燕 吴应雨 郑旭晖 张 倩 杨 模 |
| |
| 作者单位： | 贵州大学大数据与信息工程学院,贵州大学公共大数据国家重点实验室 |
| |
| 基金项目： | 贵州省科学技术基金资助项目（黔科合基础[2016]1054）； 贵州省联合资金资助项目（黔科合LH字[2017]7226号）； 贵州大学2017年度学术新苗培养及创新探索专项资助项目（黔科合平台人才[2017]5788） |
| |
| 摘 要： | 针对无人机航拍图像特征少，小尺寸目标多以及检测任务实时性要求高等问题，本文以YOLOX算法为基础提出基于特征增强的轻量级无人机目标检测算法。首先，设计更加轻量的密集残差网络结构ResNet_G优化模型的主干网络，提升模型对图像特征的利用率，同时降低模型复杂度；其次，提出基于注意力机制的Atrous Spatial Pyramid Pooling(ASPP)模块作为特征增强模块，加强上下文信息关联度以减少丢失小目标特征；最后，使用Focal Loss函数与CDIoU Loss函数，改善负样本对模型权重的影响以提高对密集目标的识别能力。实验结果表明，与原网络相比，改进后算法在VisDrone2021数据集上平均检测精度提升5.08%，参数量减少0.25M，推理时间降低2.21ms。
|
| 关 键 词： | 无人机小目标检测 轻量化 Ｇｈｏｓｔ 模块 Ａｔｒｏｕｓ Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇ(ＡＳＰＰ) ＣＤＩｏＵ Ｌｏｓｓ Ｆｏｃａｌ Ｌｏｓｓ |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
