基于特征空间与坐标卷积的小目标检测算法

作     者：程梦洋 葛海波 何文昊 马赛 安玉 CHENG Mengyang;GE Haibo;HE Wenhao;MA Sai;AN Yu

作者机构：西安邮电大学电子工程学院西安710121 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第19期

页      面：209-220页

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：陕西省自然科学基金(2011JM8038) 陕西省重点产业创新链(群)项目(S2019-YF-ZDCXL-0098) 

主　　题：目标检测 YOLOv5 小目标 特征增强 坐标卷积 

摘      要：为解决无人机高空拍摄面临的小目标聚集不易识别、可提取特征少的问题,提出一种特征空间与坐标卷积结合的小目标检测算法。在YOLOv5网络架构中加入特征空间模块(feature spatial model,FSM),利用卷积为不同特征的感受野分配自适应权重,增强主干网络特征提取能力;将坐标卷积模块(coordinate convolution model,CCM)嵌入模型颈部,精准定位目标所在位置,提高密集场景下小目标检测精度;删减原始层并添加小目标检测层,减少语义损失,充分提取浅层特征图中信息,强化高空图像中微小目标检测性能。实验结果表明,在VisDrone2019数据集上,改进后模型的精确率较YOLOv5提高4.1个百分点,mAP@0.5和mAP@0.5:0.95分别提高4.6个百分点和3.2个百分点,从而验证了提出模型在无人机检测小目标场景中具备有效性。