基于YOLOv5的轻量化无人机航拍小目标检测算法

作     者：李雪森 谭北海 余荣 薛先斌 Li Xue-sen;Tan Bei-hai;Yu Rong;Xue Xian-bin

作者机构：广东工业大学自动化学院广东广州510006 广东工业大学集成电路学院广东广州510006 

出 版 物：《广东工业大学学报》 (Journal of Guangdong University of Technology)

年 卷 期：2024年第41卷第3期

页      面：71-80页

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：国家自然科学基金资助项目(61971148) 国家自然科学基金资助项目(U22A2054) 广东省基础与应用基础研究基金联合基金重点项目(2019B1515120036) 广西自然科学基金重点项目(2018GXNSFDA281013) 

主　　题：无人机航拍 YOLOv5s 小目标检测 数据增强 注意力机制 

摘      要：针对无人机航拍视角下图像目标特征尺寸小且存在背景复杂、分布密集的问题,提出了一种基于YOLOv5的轻量化无人机航拍小目标检测改进算法GA-YOLO。该算法改进了Mosaic数据增强方法和网络整体结构,并增加了微小物体检测头,同时设计了轻量化的全局注意力模块和并行结构的空间通道注意力机制模块,提高了网络的全局特征提取能力和训练过程中卷积通道之间的竞争和合作关系。以4.0版本的YOLOv5s为基准,在公开无人机航拍数据集Vis Drone2019-DET上实验,结果表明,改进后的模型相较于原模型,参数量下降了48%,计算量下降了26%,而m AP@0.5提高了4.9个百分点,m AP@0.5:0.95提高了3.3个百分点,有效地提高了无人机空中视角下对密集型小目标的检测能力。