改进YOLOv5s的无人机视角下小目标检测算法

摘要：

无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点,导致目标检测任务中出现漏检、误检的问题.针对这些问题,提出一种改进YOLOv5s小目标检测方法,以达到提高目标检测准确率与精确度的目的.重新聚类锚框,更精确地锁定检测区域.更改骨干网络结构,在空间金字塔池化层增加卷积,保证充分获取检测目标特征.同时,将网络结构中的C3模块替换成融合通道注意力机制的轻量级SEC2f模块,以提升网络对于小目标检测的局部特征捕获能力.融合解耦检测头,结合自适应锚框计算,有效提取目标区域的特征.在相同参数、相同环境条件下,在DOTA数据集上和VisDrone数据集上检测精度分别提升6.1%、5.2%,表明改进方法在小目标检测任务上的有效性;在公开数据集voc2007+2012上做通用性对比实验,结果表明改进算法具有通用性.

关键词：YOLOv5s、聚类算法、SEC2f模块、空间金字塔池化、解耦检测头

所属期刊栏目：60

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金52174183

在线出版日期：2024-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：110-121