基于航空图像的目标检测算法Trans＿YOLOv5

与自然图像的检测算法相比较，航空图像的检测存在目标角度随机、目标尺度变化剧烈、小目标密集、图像背景复杂等问题。针对这一系列难题，提出适用于航空图像检测的Trans-YOLOv5算法。修改YOLOv5算法中数据预处理模块以及后处理方法，增加一个目标角度标签的处理，使其适用于目标角度随机的航空图像。针对后续出现的边界问题，引入CSL(Circular Smooth Label,圆形平滑标签)将标签角度回归问题转换为分类问题，提高角度标签检测的精度。针对航空图像小目标检测问题，将Swin Transformer集成于YOLOv5框架中，提升模型对小目标的检测效果，并配合注意力机制模块，提高全局表征能力，使网络模型更加关注于待检测的目标对象。在DOTAv2.0航空图像数据集上的实验结果验证了所提方法的有效性，检测结果达到60.98%mAP,与原YOLOv5算法检测结果相比提高10.85百分点，与官网公布的竞赛最佳结果相比提高2.01百分点。