基于改进Yolov51的航空小目标检测算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16208/j.issn1000-7024.2023.09.007

基于改进Yolov51的航空小目标检测算法

引用
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.

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

44

TP394.1(计算技术、计算机技术)

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

2023-11-02(万方平台首次上网日期,不代表论文的发表时间)

共9页

2610-2618

相关文献
评论
暂无封面信息
查看本期封面目录

计算机工程与设计

1000-7024

11-1775/TP

44

2023,44(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn