改进YOLOv5s的无人机视角下小目标检测算法

TP391.4; 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...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 1; pp. 110 - 121
Main Authors 刘涛, 高一萌, 柴蕊, 李政通
Format Journal Article
LanguageChinese
Published 辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105 2024
辽宁工程技术大学 基础教学部,辽宁 葫芦岛 125105%辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105
Subjects
decoupling detection head
SEC2f模块
clustering algorithm
聚类算法
YOLOv5s
SEC2f module
解耦检测头
spatial pyramid pool
空间金字塔池化
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2304-0150

Cover

More Information
Summary:TP391.4; 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.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2304-0150