基于改进Yolov51的航空小目标检测算法

摘要：

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5).在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PAN特征融合时设置融合权重,输出端采用SE-Net注意力机制,测试时进行多尺寸输入及测试时间增强(TTA).算法在visdron2021数据集上进行验证,实验结果表明,AS-Yolov5的均值平均精度@0.5(mAP@0.5)为41.0％,较Yolov5l的28.5％提升12.5％,有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力.

关键词：航空小目标检测、Yolov5l模型、空洞卷积、SE-Net注意力模块、权重融合、深度学习、目标检测

所属期刊栏目：44

分类号：TP394.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划;吉林省重大科技专项基金项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2610-2618