改进YOLOv5的机场跑道异物目标检测算法 |
| |
引用本文: | 李小军,邓月明,陈正浩,何鑫.改进YOLOv5的机场跑道异物目标检测算法[J].计算机工程与应用,2023,59(2):202-211. |
| |
作者姓名: | 李小军 邓月明 陈正浩 何鑫 |
| |
作者单位: | 1.湖南师范大学 信息科学与工程学院,长沙 410081
2.湖南华诺星空电子技术有限公司,长沙 410221 |
| |
基金项目: | 国家自然科学基金(62173140,62072175);;湖南省重点研发计划项目(2022GK2067);;湖南省自然科学基金(2021JJ30452);;湖南省教育厅科学研究项目(21C0008); |
| |
摘 要: | 针对机场跑道异物(foreign object debris,FOD)在图像中目标占比小,特征不明显,经常导致误检、漏检的问题,提出一种改进YOLOv5的FOD目标检测算法。改进多尺度融合与检测部分,融合高分辨率特征图增强小目标特征表达,移除大目标检测层以减少网络推理计算量;引入轻量高效的卷积注意力模块(CBAM),从空间与通道两个维度提升模型关注目标特征的能力;在特征融合阶段采用RepVGG模块,提高模型特征融合能力的同时提高了检测精度;采用SIoU Loss作为损失函数,提升了边框回归的速度与精度。在自制FOD数据集上进行对比实验,结果表明:该方法在满足实时性的条件下,实现了95.01%的mAP50、55.79%的mAP50:95,比原算法YOLOv5分别提高了2.78、3.28个百分点,有效解决了传统FOD检测误检、漏检问题,同时与主流目标检测算法相比,提出的改进算法更适用于FOD检测任务。
|
关 键 词: | 机场跑道异物 YOLOv5 CBAM注意力模块 RepVGG模块 |
|
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|