改进YOLOv5s的无人机视角下小目标检测算法

来源：计算机工程与应用杂志2024年第2期北京时间：

作者：吴明杰, 云利军, 陈载清, 钟天泽

单位：1.云南师范大学 信息学院，昆明 650500；2.云南省教育厅计算机视觉与智能控制技术工程研究中心，昆明 650500

摘要：针对无人机飞行时与目标距离较远，被拍摄的目标大小有明显的差异且存在被物体遮挡等问题，提出一种基于YOLOv5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力（bi-level routing attention，BRA），其以动态稀疏的方式过滤特征图中最不相关的特征，保留部分重要区域特征，从而提高模型特征提取的能力；由于特征图经过多次下采样后会丢失大量位置信息和特征信息，因此采用一种结合注意力机制的动态目标检测头DyHead（dynamic head），该检测头通过尺度感知、空间感知和任务感知的三者统一，以实现更强的特征表达能力；使用Focal-EIoU损失函数，来解决YOLOv5s中CIoU Loss计算回归结果不准确的问题，从而提高模型对小型目标的检测精度。实验结果表明，在VisDrone2019-DET数据集上，BD-YOLO模型较YOLOv5s模型在平均精度（mAP@0.5）指标上提高了0.062，对比其他主流模型对于小目标的检测都有更好的效果。

关键词：无人机视角,YOLOv5s,小目标,注意力机制,损失函数