改进YOLOv5s的轻量化无人机航拍小目标识别算法

来源：电子测量技术杂志2026年第4期北京时间：

作者：陈文轩，杨风暴，李菠，王肖霞，吉琳娜

单位：中北大学信息与通信工程学院 太原 030051

摘要：无人机航拍是目前主流的物体检测技术之一，该任务中面临目标物体小、尺度变化大、复杂背景干扰等问题。如何在有限的计算资源下提升检测精度是一个重要的挑战。针对以上问题，提出了一种轻量级无人机航拍目标检测方法。首先设计了一种层次依赖感知剪枝算法减少模型的冗余计算。此外，将检测头分辨率提升至160×160以增强小目标检测能力，利用GhostConv替换网络的标准卷积块以减少计算冗余，并引入紧凑型架构StarNet重新设计Neck网络中的C3模块以减少特征融合过程的复杂度，增强特征表达能力。最后在Backbone层引入注意力机制来提高模型的特征提取能力。实验结果表明：在VisDrone2019数据集中，模型的mAP_0.5提升了1.8%。同时相比于原模型，参数量下降了50.4%，计算量降低了35.44%。综上所述，模型满足无人机平台在小目标检测任务中对精度和轻量化的需求。

关键词：无人机航拍;YOLOv5;小目标检测;GhostConv;StarNet;GAM注意力机制;层次依赖剪枝

基金资助：山西省基础研究计划青年科学研究项目(202303021212195)、中国博士后科学基金第76批面上项目(2024M76303)、四川省机器人与智能系统国际联合研究中心开放研究课题重点项目（JQZN2023-002）资助