摘要
针对无人机捕获场景下目标尺度变化剧烈,小目标检测精度低、漏检率高等问题,提出了一种改进的YOLOv7目标检测算法。首先,在原YOLOv7基础上增加了一个极小目标检测层,以适应不同尺度下的物体目标,降低小目标的漏检率。其次,在特征融合网络中引入了无参注意力机制,并基于该注意力机制构建了一个MP-SimAM模块,使网络融合更多重要的特征信息。最后,提出了一种新的边框回归损失函数SCIoU Loss,进一步提升模型的收敛速度与检测精度。实验结果表明,该模型在VisDrone数据集上表现出色,所提出的算法模型在测试集上mAP50达44.0%,相比于基准模型YOLOv7提升了2.6%,对于小目标的检测效果提升明显。
- 单位