改进YOLOv5的无人机影像小目标检测算法

来源：计算机工程与应用杂志2023年第9期北京时间：

作者：谢椿辉, 吴金明, 徐怀宇

单位：1.中国科学院 上海高等研究院，上海 201210 ；2.上海科技大学 信息科学与技术学院，上海 201210

摘要：无人机航拍影像具有目标尺度变化大、背景复杂等诸多特性，导致现有的检测器难以检测出航拍影像中的小目标。针对无人机影像中小目标误检漏检的问题，提出了改进YOLOv5的算法模型Drone-YOLO。增加了检测分支以提高模型在多尺度下的检测能力。设计了多层次信息聚合的特征金字塔网络结构，实现跨层次信息的融合。设计了基于多尺度通道注意力机制的特征融合模块，提高对小目标的关注度。将预测头的分类任务与回归任务解耦，使用Alpha-IoU优化损失函数定义，提升模型检测的效果。通过无人机影像数据集VisDrone的实验结果表明，Drone-YOLO模型较YOLOv5模型在AP50指标上提高了4.91个百分点，推理延时仅需16.78?ms。对比其他主流模型对于小目标拥有更好的检测效果，能够有效完成无人机航拍影像的小目标检测任务。

关键词：目标检测,无人机,小目标,注意力机制,特征融合,YOLO