计量学报

作者：张立国,沈明浩,金梅,任婷婷,赵嘉士

单位：燕山大学电气工程学院,河北秦皇岛066004

关键词：机器视觉; YOLOv5s;SPD-CSP模块;航拍图像;深度学习;高效通道注意力机制

基金：国家重点研发计划(2020YFB1711001);河北省科学技术研究与发展计划科技支撑计划(20310302D)

为了解决航拍图像中车辆小目标检测困难的问题,提出一种改进的YOLOv5s航拍车辆检测算法。首先,将未利用的浅层特征信息与其他深层特征信息进一步融合,组成用于小目标检测的新检测层,提高小目标的检测能力;其次,结合SPD模块重新设计CSP模块构成SPD-CSP模块,代替原有网络的下采样操作,减少特征提取时小目标有效信息的损失;最后,将通道注意力机制ECA模块引入到Backbone部分中,通过自适应地调整不同特征通道的权重系数,使得网络更加关注特征图中的关键信息,减少无关信息的干扰。实验结果表明:提出的算法在VisDrone数据集上,与YOLOv5s网络相比,均值平均精度PmAP 0.5提高了6.4%,检测速度FPS达到65帧/s,能实时、精确地对航拍车辆进行检测。

来源：2024年第7期

《计量学报》期刊编辑部

查看计量学报杂志2024年第7期