改进yolov5s模型的航拍图像目标检测算法

针对yolov5对复杂背景下的无人机航拍图像目标的检测容易出现误检漏检等情况，本文提出了一种融合递归门控卷积和混合注意力的目标检测算法。首先对特征提取网络引入递归门控卷积C3模块，以获取丰富的语义和空间信息，提高算法的精准度；其次融合全维动态卷积以及混合注意力模块增强网络对航拍目标的辨识能力，排除杂质信息的干扰；最后改进损失函数来提高模型的收敛速度。在visdrone数据集上的实验表明，该方法的平均精度为46.6%，比基准模型yolov5s提升了13.6%，对目标的漏检和误检情况明显较少。相比于yolov5算法，该算法抗干扰能力得到提升，具有很好的鲁棒性，检测速度到112帧/s，符合航拍目标检测的实时要求。