基于改进Yolov5l的航空小目标检测算法

作者：戴得恩; 朱瑞飞; 陈长征; 秦磊; 马经宇

来源：计算机工程与设计, 2023, 44(09): 2610-2618.

DOI：10.16208/j.issn1000-7024.2023.09.007

• 航空小目标检测
• Yolov5l模型
• 空洞卷积
• SE-Net注意力模块
• 权重融合
• 深度学习
• 目标检测

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题，提出一种基于改进Yolov5l的航空小目标检测算法（AS-Yolov5）。在Yolov5的主干特征提取网络中引入空洞卷积，使用Transform的Decode模块，在特征融合网络中新增检测头，FPN+PAN特征融合时设置融合权重，输出端采用SE-Net注意力机制，测试时进行多尺寸输入及测试时间增强（TTA）。算法在visdron2021数据集上进行验证，实验结果表明，AS-Yolov5的均值平均精度@0.5 (mAP@0.5)为41.0%，较Yolov5l的28.5%提升12.5%，有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力。

• 单位
  中国科学院大学; 长光卫星技术有限公司; 中国科学院长春光学精密机械与物理研究所