基于多分支注意力改进的YOLOv5无人艇目标检测方法

作者：孙备; 党昭洋^*; 吴鹏; 张家菊; 左震

来源：无人系统技术, 2023, 6(05): 89-97.

DOI：10.19942/j.issn.2096-5915.2023.05.52

• 无人艇
• 水面目标检测
• 小目标
• 通道融合
• YOLOv5
• 注意力
• 深度学习

针对水面无人艇目标检测类别多、尺寸小、形变大等难题，提出了基于多分支注意力改进的YOLOv5检测算法。首先提出了一种SAv2Attention模块，通过对通道的“复制-转换-合并”等处理，实现卷积层通道间与通道内特征融合，提升网络的局部感受野，然后将其嵌入到YOLOv5网络，最后在构建的真实海试数据集上进行了大量对比实验。结果表明，SAv2Attention可有效提升YOLOv5的检测精度，典型海面目标数据集上，mAP@0.5检测精度达到94.6%,mAP@0.5:0.95检测精度达到60.9%，相较于原生算法分别提高1.4%和3%，对小尺寸目标平均检测率APS提升4.3%，证明所提方法能有效提升无人艇对水面小目标的检测能力。

• 单位
  国防科技大学