基于自適應(yīng)特征融合的無(wú)人機(jī)小目標(biāo)檢測(cè)算法

打開(kāi)文本圖片集

摘 要： 本文提出了一種針對(duì)無(wú)人機(jī)捕獲圖像的目標(biāo)檢測(cè)算法，旨在解決無(wú)人機(jī)視角下小目標(biāo)檢測(cè)存在漏檢現(xiàn)象嚴(yán)重、檢測(cè)精度低的問(wèn)題。主要改進(jìn)包括重新設(shè)計(jì)聚類算法生成更準(zhǔn)確的先驗(yàn)框，引入自適應(yīng)特征融合模塊以使模型更靈活地學(xué)習(xí)上下文特征信息，更改檢測(cè)頭在較大的特征層上進(jìn)行目標(biāo)檢測(cè)并解耦分類和回歸任務(wù)。通過(guò)在VisDrone2019 數(shù)據(jù)集上進(jìn)行廣泛實(shí)驗(yàn)，改進(jìn)后的YOLOv5s 模型相較于基準(zhǔn)模型在mAP50 上提高了5.8%，并且保持了較高的幀率（67 FPS）。（剩余11774字）