计算机科学与探索

作者：徐光达, 毛国君

单位：1. 福建工程学院 计算机科学与数学学院，福州 3501182. 福建工程学院 福建省大数据挖掘与应用重点实验室，福州 350118

关键词：目标检测,特征融合,航拍图像,特征学习

针对无人机航拍图像中小目标样本多、可提取特征信息少易受背景干扰的问题，基于YOLOv5提出一种多层特征融合的无人机航拍图像检测算法。首先，增加浅层网络的高分辨率特征图保留充足的目标特征信息，同时加入对应尺度的检测头以此增强对微小目标的检测能力；其次，考虑不同层级特征图所包含的信息对于小目标检测任务贡献不同，设计了多层级特征融合层来整合不同的感受野信息，通过融合不同层级特征图聚合上下文信息，并根据训练目标样本大小自适应生成各层级特征图输出权重来动态优化特征图的表达能力；最后，在预测过程中为了减少在不同任务中需求特征信息的冲突，将解耦检测头替换原本的耦合检测头，可以更佳地完成分类和定位任务。在公开数据集VisDrone上进行实验，该方法的平均均值精度达到了35.5%,较基线方法YOLOv5提高了4.4个百分点，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，所提出的方法对于小目标检测任务具有较好的性能。

来源：2023年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第3期