改进YOLOv5的无人机小目标检测方法研究

来源：计算机工程与应用杂志2024年第10期北京时间：

作者：白宇, 周艳媛, 安胜彪

单位：河北科技大学 信息科学与工程学院，石家庄 050018

摘要：无人机拍摄图像的小目标具有特征信息不明显、背景复杂和部分目标遮挡的特点，导致检测时会出现误检和漏检的问题。针对这些问题，提出一种改进YOLOv5的无人机小目标检测方法SDT-YOLOv5。首先对数据集图像进行切片处理，使得每个切片中小目标的占比变高，提高小目标的识别能力。其次采用动态解耦检测头，引入动态卷积和自适应感受野机制，同时将检测头的分类和回归分支解耦，以实现更强的特征表达和提取能力。最后提出了基于最小点距离的交并比损失的最佳传输分配方法。最小化预测边界框与真实边界框之间的左上角和右下角点距离，再基于边界框的位置信息和距离度量，以最小化总成本为目标，找到最优的真实边界框与预测边界框匹配方案，提高检测的准确性。在VisDrone2019数据集上进行实验，结果显示改进YOLOv5的mAP50值达到了58.5%，相比于原始YOLOv5的mAP50值提高了23.2个百分点。这表明改进方法有效地提高了无人机小目标的检测精度，能够更准确地检测到小目标。

关键词：YOLOv5,小目标检测,检测头,损失函数