基于特征增强的轻量级无人机目标检测算法

作     者：陈运雷 刘紫燕 吴应雨 郑旭晖 张倩 杨模 CHEN Yunlei;LIU Ziyan;WU Yingyu;ZHENG Xuhui;ZHANG Qian;YANG Mo

作者机构：贵州大学大数据与信息工程学院贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 

基　　金：贵州省科学技术基金资助项目(黔科合基础1054) 贵州省联合资金资助项目(黔科合LH字7226号) 贵州大学学术新苗培养项目 创新探索专项项目(黔科合平台人才5788) 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2023年第36卷第6期

页      码：901-910页

摘      要：针对无人机航拍图像特征少,小尺寸目标多以及检测任务实时性要求高等问题,以YOLOX算法为基础提出基于特征增强的轻量级无人机目标检测算法。首先,设计更加轻量的密集残差网络结构ResNet_G优化模型的主干网络,提升模型对图像特征的利用率,同时降低模型复杂度;其次,提出基于注意力机制的Atrous Spatial Pyramid Pooling(ASPP)模块作为特征增强模块,加强上下文信息关联度以减少丢失小目标特征;最后,使用Focal Loss函数与CDIoU Loss函数,改善负样本对模型权重的影响以提高对密集目标的识别能力。实验结果表明,与原网络相比,改进后算法在VisDrone2021数据集上平均检测精度提升5.08%,参数量减少0.25 M,推理时间降低2.21 ms。

主 题 词：无人机小目标检测 轻量化 Ghost模块 Atrous Spatial Pyramid Pooling(ASPP) CDIoU Loss Focal Loss 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3969/j.issn.1004-1699.2023.06.008

馆 藏 号：203122711...