改进YOLOv5的无人机航拍图像密集小目标检测算法

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：陈佳慧, 王晓虹

单位：1.辽宁石油化工大学 人工智能与软件学院，辽宁 抚顺 113000；2.辽宁石油化工大学 信息与控制工程学院，辽宁 抚顺 113000

摘要：无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题，为解决现有目标检测算法难以检测到航拍图像中的小目标物体，提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层，以保留更丰富的特征信息，增强网络对小目标特征的提取能力，并改善误检漏检情况；为了提高网络的多尺度特征表征能力以及抑制冲突的产生，设计了具有等级制的残差结构的多尺度特征提取模块C3Res2Block；使用解耦检测头Decoupled Head避免不同任务之间的差异所带来的预测偏差，提升了模型的定位精度和检测精度；采用软化非极大值抑制Soft NMS算法对候选框的置信度进行优化，提高模型对密集小目标的检测精度。通过VisDrone数据集的实验结果表明，与基准模型YOLOv5相比，RDS-YOLOv5在mAP0.5上提升了12.9个百分点，mAP0.5：0.95上提升了10.6个百分点，与目前主流的目标检测算法相比也取得更优的检测精度，能够有效完成无人机航拍图像的密集小目标检测任务。

关键词：小目标检测层,残差结构,解耦,软化非极大值抑制,YOLOv5