城市低空小型无人机目标实时高精度检测算法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：崔勇强, 黄谦, 高雪, 梅涛, 白迪, 王晓磊

单位：1.中南民族大学 电子信息工程学院，武汉 430074 ；2.中南民族大学 智能无线通信湖北省重点实验室，武汉 430074

摘要：面向城市低空小型无人机（unmanned aerial vehicle，UAV）乱飞引发的公共安全隐患，针对目前存在的动小目标检测精度低、实时性差等问题，提出了一种基于改进YOLOv7的目标检测模型。该模型在主干网络中引入RepVGG轻量化网络，降低计算复杂度以满足实时性要求；提出C3m模块以解决无人机小目标在图像中占比小、特征信息有限等问题，从而改善检测精度；在此基础上，将CBAM卷积注意力机制插入到主干网络和特征融合网络之间，提高网络对多尺度无人机目标的敏感度，降低噪声影响。在自构建的城市低空无人机数据集上进行消融实验，结果表明改进后的YOLOv7模型与原始YOLOv7模型相比，参数量减少了6×106，浮点运算量降低了77.9%，检测精度mAP@0.5提高至95.1%，检测速度FPS提高了43.7%，实现了对复杂场景下小型无人机目标的实时高精度检测。

关键词：YOLOv7,无人机检测,轻量化网络,注意力机制