基于特征空间与坐标卷积的小目标检测算法

来源：计算机工程与应用杂志2024年第19期北京时间：

作者：程梦洋, 葛海波, 何文昊, 马赛, 安玉

单位：西安邮电大学 电子工程学院，西安 710121

摘要：为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题，提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块（feature spatial model，FSM），利用卷积为不同特征的感受野分配自适应权重，增强主干网络特征提取能力；将坐标卷积模块（coordinate convolution model，CCM）嵌入模型颈部，精准定位目标所在位置，提高密集场景下小目标检测精度；删减原始层并添加小目标检测层，减少语义损失，充分提取浅层特征图中信息，强化高空图像中微小目标检测性能。实验结果表明，在VisDrone2019数据集上，改进后模型的精确率较YOLOv5提高4.1个百分点，mAP@0.5和mAP@0.5:0.95分别提高4.6个百分点和3.2个百分点，从而验证了提出模型在无人机检测小目标场景中具备有效性。

关键词：目标检测,YOLOv5,小目标,特征增强,坐标卷积