基于空间相关性增强的无人机检测算法

作     者：张会娟 李坤鹏 姬淼鑫 刘振江 刘建娟 张弛 ZHANG Huijuan;LI Kunpeng;JI Miaoxin;LIU Zhenjiang;LIU Jianjuan;ZHANG Chi

作者机构：河南工业大学电气工程学院河南郑州450001 北京理工大学自动化学院北京100081 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2024年第58卷第3期

页      面：468-479页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家资助博士后研究人员计划(GZC20233408) 国家自然科学基金资助项目(62201199) 河南省科技攻关项目(232102320037) 河南工业大学创新基金支持计划专项(2021ZKCJ07) 河南省专业学位研究生精品教学案例项目(YJS2022AL043) 

主　　题：无人机(UAV) 小目标检测 特征融合 自适应上采样 空间相关性增强 

摘      要：针对无人机(UAV)体积小、复杂背景下特征难以提取导致被误检和漏检的问题,提出基于自适应上采样和空间相关性增强的无人机小目标检测方法.采用多尺度的空洞卷积获取重要的上下文信息,然后通过注意力特征融合模块抑制多尺度特征融合造成的信息冲突;采用亚像素卷积和双线性插值自适应融合的新上采样方式,融合更多无人机特征信息,同时平衡计算量;对深层特征图的空间局部特征和全局特征采用空间相关性增强策略,提高复杂背景下前景目标的敏感度,增强目标表达和抑制背景噪声.在自制无人机数据集上进行消融实验和对比实验,与原始YOLOv5算法相比,本算法的m AP0.5和m AP0.5∶0.95分别提高了2.4%和2.7%,检测速度能够达到58.5帧/s;在VisDrone2019数据集上进行验证,本算法较YOLOv5算法的mAP0.5和mAP0.5∶0.95分别提高了4.6%和1.3%.