基于改进YOLOv7的无人机图像目标检测算法

针对无人机图像中由于目标微小且相互遮挡、特征信息少导致检测精度低的问题，提出一种基于改进YOLOv7的无人机图像目标检测算法。在颈部和检测头中加入了坐标卷积，能更好地感受特征图中目标的位置信息；增加P2检测层，减少小目标特征丢失、提高小目标检测能力；提出多信息流融合注意力机制——Spatial and Channel Attention Mechanism(SCA),动态调整注意力对空间信息流和语义信息流的关注，获得更丰富的特征信息以提高捕获目标的能力；更换损失函数为SIoU,加快模型收敛速度。在公开数据集VisDrone2019上进行对比实验，改进后算法的mAP50值相比YOLOv7提高了4%,达到了52.4%,FPS为37,消融实验验证了每个模块均提升了检测精度。实验表明，改进后的算法能较好地检测无人机图像中的目标。