残差特征融合的小目标动态实时检测算法

来源：电子测量技术杂志2023年第11期北京时间：

作者：冉险生，陈俊豪，苏山杰，张之云

单位：重庆交通大学机电与车辆工程学院 重庆 400047

摘要：针对图片中小目标携带信息少、尺度变化大等检测难点，本文以YOLOv5s为框架，提出一种特征融合的小目标动态实时检测模型（HCD-YOLOv5s）。针对模型下采样易造成小目标信息丢失、深层网络位置信息表达不足等问题，从浅层中新增检测小目标的检测头；本文针对特征融合造成的特征混淆等问题，设计一种特征融合方式CCAT，减少检测层位置信息与语义信息的丢失；针对检测任务与数据分布不同适应的激活函数不一致，设计DConv模块，分离回归任务与检测任务，实现模型的动态检测。本文在VisDrone数据集上对模型进行消融实验，3个模块相互促进。选取不同输入尺寸的图片对模型进行速度与精度测试。在YOLOv5s的基础上HCD-YOLOv5s的mAP50提高了10.2%，检测精度与参数量明显优于YOLOv5m，FPS达到90。最后在DOTA-v1.0上进行实验验证，mAP50、mAP分别提升了1.8%与2.0%,证明本文提出的HCD-YOLOv5s在小目标检测上有更佳的性能。

关键词：小目标;特征融合;动态函数;实时检测