改进RetinaNet的无人机小目标检测

摘要：

无人机技术的不断成熟,使得搭载高效视觉系统的无人机应用也更加广泛.针对无人机航拍图像中小目标较多、分辨率低等原因导致的检测精度不高的问题,提出了一种改进RetinaNet的无人机航拍目标检测算法.算法针对特征图中小目标信息提取不足的问题,设计了多阶段特征融合方法,并将其与注意力机制串联设计了特征挖掘模块,可以在浅层特征图中融入深层的语义信息,丰富小目标特征;设计了基于中心点检测的无锚框(Anchor-free)方法,网络通过对中心点的回归来定位目标,而不是通过固定大小的锚框去匹配,这样做可以使网络对小目标的回归更加灵活,提高了算法的整体性能;且通过深度可分离卷积方法对网络进行轻量化设计,以压缩模型大小并提高检测速度.实验结果表明,改进算法较原RetinaNet算法平均精度提升了8.5％,检测速度提升了6帧/s,且与其他先进算法相比也具有性能优势,达到了检测精度与检测速度的均衡.

关键词：小目标检测、无人机航拍、RetinaNet、Anchor-free、轻量化网络

所属期刊栏目：23

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金U20A20293

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：274-282