文献类型：期刊文章

作　　者：陈范凯[1] 李士心[1]

CHEN Fankai;LI Shixin(College of Electronic Engineering,Tianjin University of Technology and Education,Tianjin 300222,China)

机构地区：[1]天津职业技术师范大学电子工程学院,天津300222

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划(2022YFF0706000)。

年　　份：2023

卷　　号：59

期　　号：18

起止页码：218-225

语　　种：中文

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

摘　　要：无人机场景下航拍图像存在密度高、目标小、覆盖范围广等特性,使得现有的目标检测器容易出现错检漏检的现象,为了提高识别的精度,提出了一种改进Yolov5的目标检测模型。通过采用梯度流丰富的C2F模块增加模型的特征提取能力。引入上采样算子CARAFE(content-aware reassembly of features)增加感受野进行数据特征融合,提升特征金字塔网络性能。通过采用全局性动态标签分配策略,提高模型识别准确率。通过VisDrone2019数据集验证表明,改进后的模型平均精度mAP值达到65.3%,较传统模型提升了24.7个百分点,可以更加准确地完成航拍过程中针对目标的检测任务。

关 键 词：无人机 Yolov5  CARAFE算子  OTA标签分配策略  

分 类 号：TP391.4]