科研之友
微信
新浪微博
Facebook
分享链接
摘要
低空慢速小型目标检测一直是预警探测领域关注的重点和难点。目前，基于神经网络的主流目标检测算法在设计时主要考虑应用于VOC数据集或COCO数据集，在特定场景下检测精度不够理想。针对复杂背景下小型旋翼无人机目标检测的特定检测场景，提出一种基于改进YOLOv5的小型旋翼无人机目标检测算法。首先，增加小目标检测层以获得大尺寸的浅层特征图，从而提升算法对小目标的检测能力；其次，针对小型旋翼无人机尺寸不一的问题，利用K-Means++聚类算法对先验框的尺寸进行优化并将其与各特征层进行匹配；最后，使用Mosaic-SOD方法进行数据增强以及改进损失函数，增强算法对小目标的感知能力以及提高网络训练效率。将改进后的算法应用在复杂背景下的小型旋翼无人机目标检测中，实验结果表明，相较于原始YOLOv5算法，该算法在小型旋翼无人机目标检测上具有更高的检测精度和特征提取能力，虽然检测速度有一定下降，但通过对可见光视频流进行检测可知其仍能够满足实时性的要求。
- 出版日期2023
- 单位中国西安卫星测控中心; 中国人民解放军空军预警学院
