面向航拍小目标的改进YOLOv5n检测算法 |
| |
引用本文: | 邱昊,钟小勇,黄林辉,杨浩.面向航拍小目标的改进YOLOv5n检测算法[J].电光与控制,2023(10):95-101. |
| |
作者姓名: | 邱昊 钟小勇 黄林辉 杨浩 |
| |
作者单位: | 江西理工大学 |
| |
基金项目: | 国家自然科学基金(51665019); |
| |
摘 要: | 针对无人机视角下目标尺度差异大、检测场景复杂、目标小且密集而导致的检测精度不高的问题,提出了一种基于改进YOLOv5n的实时目标检测算法。首先,通过引入轻量通道注意力(ECA)模块提高卷积神经网络对特征图内有效信息的提取能力;其次,在特征金字塔网络输出端后,加入自适应空间特征融合(ASFF)模块,提高不同尺度特征图的识别精度;再次,使用EIoU损失函数计算预测框和目标框的差异值,加快收敛速度并提高检测精度;最后,改进YOLOv5n的检测头,优化模型对小目标的检测性能。在VisDrone数据集上训练测试,相比于基础的YOLOv5n模型,在640×640分辨率下,改进后模型的类平均精度(mAP50)提高了6.1个百分点;在1504×1504分辨率下类平均精度(mAP50)提高了7.1个百分点;同时,改进后的模型检测速度在硬件上可达22帧/s以上。该算法模型在精度提高的同时保证了足够高的检测速度,更适用于无人机的小目标实时检测。
|
关 键 词: | 无人机 小目标检测 注意力机制 损失函数 自适应空间特征融合 |
|
|