文献类型：期刊文章

作　　者：宋谱怡[1] 陈红[1] 苟浩波[2]

SONG Puyi;CHEN Hong;GOU Haobo(School of Electronic and Information Engineering,Xi’an Technological University,Xi’an 710021,China;Shaanxi Lingyun Electrical Appliance Group Co.,LTD.,Baoji,Shaanxi 721006,China)

机构地区：[1]西安工业大学电子信息工程学院,西安710021 [2]陕西凌云电器集团有限公司卫星导航研究所,陕西宝鸡721006

出　　处：《计算机工程与应用》

基　　金：陕西省西安市未央区科技局项目(201833);陕西省科技厅项目(2018GY-153)。

年　　份：2023

卷　　号：59

期　　号：1

起止页码：108-116

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：无人机在情报、侦察和监视领域,目标自动检测可为侦察等任务提供准确的目标位置及类别,为地面指挥人员提供详尽的目标信息。针对无人机图像背景复杂、分辨率高、目标尺度差异大等特点,提出一种改进YOLOv5s目标检测算法。将压缩-激励模块引入到YOLOv5s算法中,提高网络的特征提取能力;引入双锥台特征融合(bifrustum feature fusion,BFF)结构,提高算法对较小目标的检测检测精度;将CIoU Loss替换GIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高定位精度。实验结果表明,改进后的YOLOv5s取得了86.3%的平均均值精度(mAP),比原算法YOLOv5s提高了16.8个百分点,在复杂背景下仍能显著提升无人机图像目标检测性能。

关 键 词：无人机检测  YOLOv5s  压缩激励模块  CIoU Loss  

分 类 号：TP391]