基于DSM-YOLO v5的无人机航拍图像目标检测

来源：计算机工程与应用杂志2023年第18期北京时间：

作者：陈卫彪, 贾小军, 朱响斌, 冉二飞, 谢昊

单位：1.浙江师范大学 计算机科学与技术学院，浙江 金华 321004；2.嘉兴学院 信息科学与工程学院，浙江 嘉兴 314001；3.浙江理工大学 计算机科学与技术学院（人工智能学院），杭州 310018

摘要：针对传统无人机航拍图像目标检测算法存在漏检率高、检测成功率低、模型体积大等问题，提出一种新的基于深度可分离多头网络结构的目标检测方法DSM-YOLO v5（depthwise separable multiplex YOLO v5）。通过在YOLO v5网络结构上增加一个尺寸为160×160的小目标检测头，并将其与高层网络进行残差连接，以提升小目标检测能力，同时在Conv模块中引入深度可分离卷积算法，将其中的普通卷积替换为深度可分离卷积，能有效减少网络的参数量，降低模型体积。实验结果表明，基于DSM-YOLO v5网络结构的目标检测的mAP@0.5为36.8%，较YOLO v5s提高3.6个百分点，参数量和模型体积较YOLO v5s整体下降21.1%和19.7%，能够有效地应用于无人机航拍图像目标检测任务。

关键词：DSM-YOLO v5,目标检测,深度可分离,YOLO v5,无人机图像