基于特征融合与注意力机制的无人机图像小目标检测算法

作     者：李利霞 王鑫 王军 张又元 LI Li-xia;WANG Xin;WANG Jun;ZHANG You-yuan

作者机构：桂林电子科技大学计算机与信息安全学院广西桂林541010 电子科技大学信息与软件工程学院四川成都610000 桂林电子科技大学海洋工程学院广西北海536000 兰州交通大学电子与信息工程学院甘肃兰州730070 

基　　金：广西科技重大专项(AA19254016) 广西硕士研究生创新项目(YCSW2021174) 北海市科技规划项目(202082033,202082023) 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2023年第44卷第4期

页      码：658-666页

摘      要：由于无人机航拍图像目标物体尺寸太小、包含的特征信息少,导致现有的检测算法对小目标的检测效果不理想。针对该问题,在YOLOv5主干网络中融入多头注意力机制,可以有效整合全局特征信息。随着网络深度的不断加深,模型将更关注高层的语义信息,进而忽略对小目标检测至关重要的底层细节纹理特征,以致小目标的检测效果较差。因此,提出浅层特征增强模块来学习底层特征信息,达到增强小目标特征信息的目的。此外,为了加强特征融合的能力,设计了一种多级特征融合模块,将不同层级的特征信息进行聚合,使网络能够动态调节各输出检测层的权重。实验结果表明,该算法在公开数据集VisDrone2021平均均值精度达到45.7%,相比原YOLOv5算法提升了3.1%,对高分辨率图像的检测速度FPS达到41帧/秒,满足实时性,与其他主流算法相比该算法检测精度有明显提升。

主 题 词：特征融合 注意力机制 无人机航拍图像 小目标检测 YOLOv5 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11996/JG.j.2095-302X.2023040658

馆 藏 号：203123045...