轻量化无人机航拍目标检测算法

作者：王恒涛; 张上; 陈想; 贾付文

来源：电子测量技术, 2022, 45(19): 167-174.

DOI：10.19651/j.cnki.emt.2210049

• 目标检测
• 多尺度融合
• 模型轻量化
• YOLOv5
• Varifocal loss

针对无人机航拍背景复杂、检测目标小且密集。提出一种基于YOLOv5的轻量化无人机航拍目标检测算法SDS-YOLO。首先，SDS-YOLO算法重构轻量化网络结构，对特征提取网络和特征融合网络进行重构。调节检测层和感受野架构，建立深层语义与浅层语义多尺度检测信息依赖关系，增加浅层网络特征层的权重，提高对微小目标的检测能力；其次，利用聚类算法对预选框进行调整，实现重构网络最优的预选框选择机制，加快模型收敛速度。最后，使用Varifocal loss训练SDS-YOLO使IACS回归，提高模型对密集物体的检测能力。结果表明，模型经过优化后，精度提高了7.64%;模型体积4.25 MB,相较于原模型大幅下降；模型计算量和推理速度均有提高。相较于当前主流算法，SDS-YOLO在各方面均取得了不错的改进，满足无人机航拍实时目标检测要求。

• 单位
  三峡大学