基于YOLOv5s-AntiUAV的反无人机目标检测算法研究

作者：谭亮; 赵良军^*; 郑莉萍; 肖波

来源：电光与控制, 2023, 1-9.

• 反无人机算法
• 小目标检测
• YOLOv5s
• 复杂背景
• Alpha-CIoU

随着无人机被广泛应用于民用和军用领域，无人机的“黑飞“给社会带了严重的危害，针对传统的反无人机检测方法在飞行背景复杂下的侵入无人机小目标错检、漏检的情况，提出了一种基于YOLOv5s-AntiUAV的反无人机目标检测算法。首先，引入结合深度超参数卷积的Slim Neck范式，增强算法特征提取和表示学习的能力，同时保持计算效率。其次，分别在骨干和颈部网络引入SPD-Conv模块，避免跨步卷积和池化造成的信息丢失，提高算法在低分辨率图像中小目标的检测性能；最后，进行损失函数的优化，用Alpha-CIoU Loss替换YOLOv5s中的CIOU Loss，增强算法的泛用性性能。将改进的YOLOv5s-AntiUAV算法和目标检测算法YOLOv5s、SSD、Faster R-CNN在自建数据集Anti-UAV上进行对比实验，改进算法的平均准确率(mAp@0.5)相比于对比算法，分别增长了1.1%，12.1%，4.9%，说明了改进算法的实用性。在天津大学的AISKYEYE团队发布的VisDrone2019数据集上进行迁移实验，YOLOv5s-AntiUAV相比于YOLOv5s平均准确率(mAp@0.5)值增长了4.7%，说明了本文提出的改进算法相比于原算法鲁棒性更强。

• 单位
  四川轻化工大学