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1期北京时间：

作者：刘涛, 高一萌, 柴蕊, 李政通

单位：1.辽宁工程技术大学 软件学院，辽宁省 葫芦岛 125105；2.辽宁工程技术大学 基础教学部，辽宁省 葫芦岛 125105

摘要：无人机视角的小目标图像具有目标分布密集、类别不均衡以及特征不明显的特点，导致目标检测任务中出现漏检、误检的问题。针对这些问题，提出一种改进YOLOv5s小目标检测方法，以达到提高目标检测准确率与精确度的目的。重新聚类锚框，更精确地锁定检测区域。更改骨干网络结构，在空间金字塔池化层增加卷积，保证充分获取检测目标特征。同时，将网络结构中的C3模块替换成融合通道注意力机制的轻量级SEC2f模块，以提升网络对于小目标检测的局部特征捕获能力。融合解耦检测头，结合自适应锚框计算，有效提取目标区域的特征。在相同参数、相同环境条件下，在DOTA数据集上和VisDrone数据集上检测精度分别提升6.1%、5.2%，表明改进方法在小目标检测任务上的有效性；在公开数据集voc2007+2012上做通用性对比实验，结果表明改进算法具有通用性。

关键词：YOLOv5s,聚类算法,SEC2f模块,空间金字塔池化,解耦检测头