基于Wasserstein距离的航拍图像小目标检测模型

作     者：蔡泽宇 刘远兴 李文炽 吴湘宁 杨翼 胡远江 

作者机构：中国地质大学(武汉)计算机学院 

出 版 物：《吉林大学学报(信息科学版)》 (Journal of Jilin University(Information Science Edition))

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金重点资助项目(U21A2013) 智能地学信息处理湖北省重点实验室开放基金资助项目(KLIGIP-2018B14) 

主　　题：航拍图像 小目标检测 注意力机制 Wasserstein距离 

摘      要：无人机航拍具有多角度、大视角、大规模场景的特点,使无人机航拍图像存在小目标对象较多、背景复杂和特征提取困难的问题。针对上述问题,提出了一种新的模型CA-NWD-YOLOv5(Coordinate Attention-Normalized Wasserstein Distance-YOLOv5)。该模型以YOLOv5(You Only Look Once v5)模型为基础,在头部网络添加了多尺度检测层以提取小目标特征,同时在骨干网络加入了CA注意力机制,避免模型忽略目标的位置信息。最后,使用了归一化Wasserstein距离损失函数代替基于交并比的损失函数,加强了模型对于微小目标的敏感程度。在VisDrone2019数据集上的实验表明,相比于改进前的YOLOv5模型,CA-NWD-YOLOv5模型可以有效提升无人机航拍图像中小目标的检测精度,改进后算法的mAP0.5达到了50%,可以有效应用于航拍小目标的检测。