文献类型：期刊文章

作　　者：刘涛[1,2] 高一萌[1] 柴蕊[1] 李政通[1]

LIU Tao;GAO Yimeng;CHAI Rui;LI Zhengtong(School of Software,Liaoning Technical University,Huludao,Liaoning 125105,China;Department of Basic Teaching,Liaoning Technical University,Huludao,Liaoning 125105,China)

机构地区：[1]辽宁工程技术大学软件学院,辽宁葫芦岛125105 [2]辽宁工程技术大学基础教学部,辽宁葫芦岛125105

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(52174183)。

年　　份：2024

卷　　号：60

期　　号：1

起止页码：110-121

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CSCD、CSCD_E2023_2024、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点,导致目标检测任务中出现漏检、误检的问题。针对这些问题,提出一种改进YOLOv5s小目标检测方法,以达到提高目标检测准确率与精确度的目的。重新聚类锚框,更精确地锁定检测区域。更改骨干网络结构,在空间金字塔池化层增加卷积,保证充分获取检测目标特征。同时,将网络结构中的C3模块替换成融合通道注意力机制的轻量级SEC2f模块,以提升网络对于小目标检测的局部特征捕获能力。融合解耦检测头,结合自适应锚框计算,有效提取目标区域的特征。在相同参数、相同环境条件下,在DOTA数据集上和VisDrone数据集上检测精度分别提升6.1%、5.2%,表明改进方法在小目标检测任务上的有效性;在公开数据集voc2007+2012上做通用性对比实验,结果表明改进算法具有通用性。

关 键 词：YOLOv5s  聚类算法 SEC2f模块  空间金字塔池化  解耦检测头  

分 类 号：TP391.4]