基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO

摘要：

由于无人机航拍具有场景复杂多样,目标尺度变化剧烈,高速低空运动模糊等诸多特性,给目标检测带来了很大的挑战.针对无人机航拍目标检测效果不佳的问题,提出了Dy-YOLO模型,在YOLOv5的基础上引入Dynamic Head注意力,从尺度感知、空间位置、多任务 3 个角度探索具有注意力机制的预测头潜力;设计了C3-DCN结构和Dynamic Head注意力相互配合增强特征提取能力;此外,还使用SimOTA标签分配方式来弥补小样本的损失,并使用CARAFE(content-aware resssembly of features)上采样算子,有效增强了不同卷积特征图的融合效果.在VisDrone2019 测试集上,Dy-YOLO检测的平均均值精度达到了38.2%,较基线方法YOLOv5 提高了 7.1%,同时与主流的检测方法相比也取得更高的检测精度.结果表明,Dy-YOLO算法对于无人机航拍检测任务具有较好的性能.

关键词：目标检测、注意力机制、无人机航拍、YOLOv5、可变形卷积网络

所属期刊栏目：40

分类号：O172.2(数学分析)

资助基金：福建省自然科学基金资助项目;福建省引导性项目

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：76-86