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 |
|