DY-YOLOv5:基于多重注意力机制的航拍图像目标检测 |
| |
引用本文: | 赵鑫,陈里里,杨维川,张程旺.DY-YOLOv5:基于多重注意力机制的航拍图像目标检测[J].计算机工程与应用,2024(7):183-191. |
| |
作者姓名: | 赵鑫 陈里里 杨维川 张程旺 |
| |
作者单位: | 重庆交通大学机电与车辆工程学院 |
| |
摘 要: | 针对无人机航拍图像中目标小、尺度不一和背景复杂等导致检测精度低的问题,提出一种基于改进YOLOv5的无人机航拍图像目标检测算法DY-YOLOv5。该算法在检测头部分利用具有多重注意力机制的目标检测头方法Dynamic Head,提升检测头在复杂背景下的检测表现。在原模型neck部分增加一次上采样和Concat操作,并执行一个包含极小、小、中目标的多尺度特征检测,提升模型对中、小目标的特征提取能力。引入密集卷积网络DenseNet,将其与YOLOv5s主干网络的C3模块进行融合,提出C3_DenseNet模块,以加强特征传递并预防模型过拟合。在VisDrone2019数据集上应用DY-YOLOv5算法,平均精度均值(mAP)达到了43.9%,较原YOLOv5算法提升了11.4个百分点。召回率(Recall)为41.7%,较原算法提升了9.0个百分点。实验结果证明,改进算法显著提高了无人机航拍图像目标检测的精度。
|
关 键 词: | 目标检测 YOLOv5 多重注意力 密集连接 多尺度特征 |
|
|