改进YOLOv5s的无人机视角下小目标检测算法

作者：吴明杰; 云利军^*; 陈载清; 钟天泽

来源：计算机工程与应用, 2023, 1-12.

• 无人机视角
• YOLOv5s
• 小目标
• 注意力机制
• 损失函数

针对无人机飞行时与目标距离较远，被拍摄的目标大小有明显的差异且存在被物体遮挡等问题，提出一种基于YOLOv5s的无人机视角下小目标检测改进算法BD-YOLO。在特征融合网络中采用双层路由注意力(Bi-level Routing Attention， BRA)，其以动态稀疏的方式过滤特征图中最不相关的特征，保留部分重要区域特征，从而提高模型特征提取的能力；由于特征图经过多次下采样后会丢失大量位置信息和特征信息，因此采用一种结合注意力机制的动态目标检测头DyHead(Dynamic Head)，该检测头通过尺度感知、空间感知和任务感知的三者统一，以实现更强的特征表达能力；使用Focal-EIoU损失函数，来解决YOLOv5s中CIoU Loss计算回归结果不准确的问题，从而提高模型对小型目标的检测精度。实验结果表明，在VisDrone2019-DET数据集上，BD-YOLO模型较YOLOv5s模型在平均精度(mAP@0.5)指标上提高了6.2%，对比其他主流模型对于小目标的检测都有更好的效果。

• 出版日期2023
• 单位云南师范大学