复杂背景下基于YOLOv7-tiny的图像目标检测算法 |
| |
引用本文: | 薛珊,安宏宇,吕琼莹,曹国华.复杂背景下基于YOLOv7-tiny的图像目标检测算法[J].红外与激光工程,2024(1):269-280. |
| |
作者姓名: | 薛珊 安宏宇 吕琼莹 曹国华 |
| |
作者单位: | 1. 长春理工大学机电工程学院;2. 长春理工大学重庆研究院 |
| |
基金项目: | 吉林省科技厅重点科技研发项目(20210203055SF);;吉林省教育厅科学技术研究项目~~; |
| |
摘 要: | “黑飞”无人机一旦带有炸弹等物品,会对人们带来威胁。对在公园、游乐场、学校等复杂背景下“黑飞”的无人机进行目标检测是十分必要的。前沿算法YOLOv7-tiny属于轻量级网络,具有更小的网络结构和参数,更适合检测小目标,但在识别小目标无人机时出现特征提取能力弱、回归损失大、检测精度低的问题;针对此问题,提出了一种基于YOLOv7-tiny改进的无人机图像目标检测算法YOLOv7-drone。首先,建立无人机图像数据集;其次,设计一种新的注意力机制模块SMSE嵌入到特征提取网络中,增强对复杂背景下无人机目标的关注度;然后,在主干网络中融入RFB结构,扩大特征层的感受野,丰富特征信息以增强特征提取的鲁棒性;然后,改进网络中的特征融合机制,通过新增小目标检测层,增加对小尺度目标的检测精度;然后,改变损失函数提高模型的收敛速度,减少损失以增强模型的鲁棒性;最后,引入可变形卷积(Deformable convolution, DCN),更好的根据目标本身形状进行特征提取,提升了检测精度。在PASCAL VOC公共数据集上进行对比实验,结果表明改进后的算法YOLO7-drone相比于YOLOv7-t...
|
关 键 词: | 目标检测 复杂背景 注意力机制 小目标检测 |
|
|