10.11996/JG.j.2095-302X.2023040658
基于特征融合与注意力机制的无人机图像小目标检测算法
由于无人机航拍图像目标物体尺寸太小、包含的特征信息少,导致现有的检测算法对小目标的检测效果不理想.针对该问题,在 YOLOv5 主干网络中融入多头注意力机制,可以有效整合全局特征信息.随着网络深度的不断加深,模型将更关注高层的语义信息,进而忽略对小目标检测至关重要的底层细节纹理特征,以致小目标的检测效果较差.因此,提出浅层特征增强模块来学习底层特征信息,达到增强小目标特征信息的目的.此外,为了加强特征融合的能力,设计了一种多级特征融合模块,将不同层级的特征信息进行聚合,使网络能够动态调节各输出检测层的权重.实验结果表明,该算法在公开数据集 VisDrone2021 平均均值精度达到 45.7%,相比原YOLOv5 算法提升了 3.1%,对高分辨率图像的检测速度FPS达到 41 帧/秒,满足实时性,与其他主流算法相比该算法检测精度有明显提升.
特征融合、注意力机制、无人机航拍图像、小目标检测、YOLOv5
44
TP391(计算技术、计算机技术)
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
658-666