基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO |
| |
引用本文: | 杨秀娟,曾智勇.基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO[J].福建师范大学学报(自然科学版),2024(1):76-86. |
| |
作者姓名: | 杨秀娟 曾智勇 |
| |
作者单位: | 福建师范大学计算机与网络空间安全学院 |
| |
基金项目: | 福建省自然科学基金资助项目(2022J01187); |
| |
摘 要: | 由于无人机航拍具有场景复杂多样,目标尺度变化剧烈,高速低空运动模糊等诸多特性,给目标检测带来了很大的挑战。针对无人机航拍目标检测效果不佳的问题,提出了Dy-YOLO模型,在YOLOv5的基础上引入Dynamic Head注意力,从尺度感知、空间位置、多任务3个角度探索具有注意力机制的预测头潜力;设计了C3-DCN结构和Dynamic Head注意力相互配合增强特征提取能力;此外,还使用SimOTA标签分配方式来弥补小样本的损失,并使用CARAFE(content-aware resssembly of features)上采样算子,有效增强了不同卷积特征图的融合效果。在VisDrone2019测试集上,Dy-YOLO检测的平均均值精度达到了38.2%,较基线方法YOLOv5提高了7.1%,同时与主流的检测方法相比也取得更高的检测精度。结果表明,Dy-YOLO算法对于无人机航拍检测任务具有较好的性能。
|
关 键 词: | 目标检测 注意力机制 无人机航拍 YOLOv5 可变形卷积网络 |
|