基于特征空间与坐标卷积的小目标检测算法

作者：程梦洋; 葛海波; 何文昊; 马赛; 安玉

来源：计算机工程与应用, 2023, 1-13.

• 目标检测
• YOLOv5
• 小目标
• 特征增强
• 坐标卷积

为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题，提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块(Feature Spatial Model，FSM)，利用卷积为不同特征的感受野分配自适应权重，增强主干网络特征提取能力；将坐标卷积模块(Coordinate Convolution Model，CCM)嵌入模型颈部，精准定位目标所在位置，提高密集场景下小目标检测精度；删减原始层并添加小目标检测层，减少语义损失，充分提取浅层特征图中信息，强化高空图像中微小目标检测性能。实验结果表明，在VisDrone2019数据集上，改进后模型的精确率较YOLOv5提高4.1%， mAP@0.5和mAP @0.5:0.95分别提高4.6%和3.2%，从而验证了提出模型在无人机检测小目标场景中具备有效性。

• 单位
  西安邮电大学; 电子工程学院