10.3969/j.issn.1673-629X.2024.01.012
基于航空图像的目标检测算法Trans_YOLOv5
与自然图像的检测算法相比较,航空图像的检测存在目标角度随机、目标尺度变化剧烈、小目标密集、图像背景复杂等问题.针对这一系列难题,提出适用于航空图像检测的Trans-YOLOv5 算法.修改YOLOv5 算法中数据预处理模块以及后处理方法,增加一个目标角度标签的处理,使其适用于目标角度随机的航空图像.针对后续出现的边界问题,引入CSL(Circular Smooth Label,圆形平滑标签)将标签角度回归问题转换为分类问题,提高角度标签检测的精度.针对航空图像小目标检测问题,将Swin Transformer集成于YOLOv5 框架中,提升模型对小目标的检测效果,并配合注意力机制模块,提高全局表征能力,使网络模型更加关注于待检测的目标对象.在DOTAv2.0 航空图像数据集上的实验结果验证了所提方法的有效性,检测结果达到60.98%mAP,与原YOLOv5 算法检测结果相比提高10.85 百分点,与官网公布的竞赛最佳结果相比提高2.01 百分点.
小目标检测、航空图像、YOLOv5、圆形平滑标签、Swin Transformer
34
TP391.41(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金
2024-01-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
77-82