基于改进YOLOv5s的四旋翼自主降落标识检测算法
作者机构：南京航空航天大学自动化学院南京210016 沈阳飞机设计研究所扬州协同创新研究院江苏扬州225006
基 金：南京航空航天大学前瞻布局科研专项(1003-ILA22064) 航空科学基金(20180511001)
出 版 物：《计算机测量与控制》 (Computer Measurement &Control)
年 卷 期：2023年第31卷第6期
页 码：80-86页
摘 要：无人机自主降落是无人机领域研究的热点之一,导航信息在自主降落过程中又起到至关重要的作用,而视觉导航相较于传统导航方式可以提供更多环境信息,有利于提高无人机着陆安全性;当无人机飞行高度越高,机载相机捕获到的降落标识物就越小,为了提升无人机识别标识物的能力,基于YOLOv5s算法提出了一种改进的无人机实时小目标检测算法;首先,为了检测到更小尺度的目标在原算法基础上新增一个检测头;然后采用BiFPN代替原先PANet结构,提升不同尺度的检测效果;最后将EIoU Loss替换CIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高模型整体性能;将改进算法应用于无人机自主降落场景下的二维码降落标识检测,实验结果表明改进后的算法在小目标检测中相比于原始YOLOv5s算法的特征提取能力更强、检测精度更高,证明了改进算法的优越性。
主 题 词：无人机 小目标检测 YOLOv5s BiFPN EIoU Loss 嵌入式平台
学科分类：081104[081104] 08[工学] 0811[工学-水利类]
D O I：10.16526/j.cnki.11-4762/tp.2023.06.013
馆 藏 号：203117949...
