摘要
针对无人机图像中背景复杂、小目标数量多且分布密集的特点,提出基于YOLOv5s的无人机密集小目标检测算法LSA_YOLO.构造多尺度特征提取模块LM-fem,增强网络的特征提取能力.为了抑制复杂背景的干扰,使算法关注目标信息,提出依靠多尺度上下文信息的、新的混合域注意力模块S-ECA.设计自适应权重动态融合结构AFF,为浅层特征和深层特征合理分配融合权重.将S-ECA、AFF应用于PANet结构,提高算法在复杂背景下的密集小目标检测能力.使用损失函数Focal-EIOU代替损失函数CIOU,增强模型检测性能.在公开数据集VisDrone2021上的实验结果表明,当设置输入分辨率为1 504×1 504时,对所有目标类别的平均检测精度从YOLOv5s的51.5%提高到LSA_YOLO的57.6%.
- 单位