一种改进的YOLOv5s航拍车辆检测算法

摘要：

为了解决航拍图像中车辆小目标检测困难的问题,提出一种改进的YOLOv5s航拍车辆检测算法.首先,将未利用的浅层特征信息与其他深层特征信息进一步融合,组成用于小目标检测的新检测层,提高小目标的检测能力;其次,结合SPD模块重新设计CSP模块构成SPD-CSP模块,代替原有网络的下采样操作,减少特征提取时小目标有效信息的损失;最后,将通道注意力机制ECA模块引入到Backbone部分中,通过自适应地调整不同特征通道的权重系数,使得网络更加关注特征图中的关键信息,减少无关信息的干扰.实验结果表明:提出的算法在VisDrone数据集上,与YOLOv5s网络相比,均值平均精度PmAP 0.5提高了6.4%,检测速度FPS达到65 帧/s,能实时、精确地对航拍车辆进行检测.

关键词：机器视觉、YOLOv5s、SPD-CSP模块、航拍图像、深度学习、高效通道注意力机制

所属期刊栏目：45

分类号：TB96(计量学)

资助基金：国家重点研发计划;河北省科学技术研究与发展计划项目

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：974-981