改进YOLOv5的无人机小目标检测算法

作     者：李松林 江剑 LI Songlin;JIANG Jian

作者机构：南京理工大学 机械工程学院江苏 南京 210094 

出 版 物：《测试技术学报》 (Journal of Test and Measurement Technology)

年 卷 期：2024年第38卷第4期

页      码：354-362页

摘      要：小目标由于可用特征少、纹理模糊等因素,一直是目标检测领域中的一个难点.针对无人机小目标检测中的误检与漏检问题,提出了一种无人机小目标检测算法LASD-YOLOv5.设计了一种极化自注意力机制,以更准确地提取微小特征;引入加权双向特征金字塔网络,替换路径聚合网络,以加强对底层特征的利用,对检测头进行解耦,以提高模型的收敛速度.同时,针对当前无人机小目标数据集中小目标占比少与场景不全面的问题,贡献了一个多场景低慢小无人机目标数据集LASD-D.结果表明,所提算法在LASD-D数据集上的平均精度为 98.29%,相比原网络提升了 2.87%,同时也优于YOLOv7,YOLOv8与QueryDet等主流算法,完全满足无人机小目标检测领域的需求.

主 题 词：小目标检测 无人机 注意力机制 特征融合 YOLOv5 

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] 

D　O　I：10.3969/j.issn.1671-7449.2024046

馆 藏 号：203128746...