基于CS-YOLOv5s的无人机航拍图像小目标检测

来源：电子测量技术杂志2024年第7期北京时间：

作者：翁俊辉，成乐，黄曼莉，隋皓，朱宏娜

单位：1.西南交通大学物理科学与技术学院 成都 610031; 2.西南交通大学信息科学与技术学院 成都 610031

摘要：无人机航拍图像存在小目标分布密集且目标尺度变化大等检测难点，本文提出一种面向无人机航拍图像小目标的跨尺度目标检测模型—CS-YOLOv5s。首先，在YOLOv5s基础上，引入小目标检测器，提高模型对小目标的捕捉能力；进一步，将最大池化分支嵌入上下文增强模块，提取并增强骨干网络尾部的深层特征，再注入PANet，实现深浅层特征有效融合和模型跨尺度检测能力的提升；同时采用SPDConv模块替换下采样卷积模块，实现无人机航拍图像中密集目标高效检测。实验表明，CS-YOLOv5s在数据集VisDrone2019达到42.0% mAP0.5，较基准模型提升9.8%，有效增强网络模型对无人机航拍图像小目标的识别能力，为无人机目标智能识别提供支撑。

关键词：无人机航拍图像;YOLO;小目标检测器;上下文增强模块;SPDConv模块