DY-YOLOv5：基于多重注意力机制的航拍图像目标检测

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。