改进YOLOv7的航拍图像目标检测

作者：邹振涛; 李泽平^*

来源：计算机工程与应用, 2023, 1-12.

• 目标检测
• 航拍图像
• 注意力机制
• 损失函数
• Swin Transformer
• YOLOv7

航拍图像目标检测对于高效解译航拍图像，并用于地图绘制、资源普查、城乡规划等领域有着重大现实意义。针对无人机航拍图像中的物体尺度变化大、易受到背景干扰和微小目标容易错检漏检的问题，提出一种基于YOLOv7进行改进的航拍图像目标检测算法（AirYOLOv7）。首先，AirYOLOv7通过在原网络的特征提取阶段结合三维注意力机制，在特征融合阶段结合通道注意力机制，以帮助模型更好地聚焦于图像中的关键信息。其次，考虑到航拍图像中存在许多微小物体，算法额外增加了一个用于检测微小物体的预测头，并在每个预测头前引入C3STB，以增强算法对不同尺度目标的检测能力。此外，针对IoU损失对微小物体的位置偏差非常敏感，通过在原边框回归损失中引入Wasserstein 距离来衡量微小物体之间的差异，以提高算法对微小物体的检测能力。实验结果表明，AirYOLOv7在DOTA和VisDrone这两个公开的光学航拍数据集上的mAP分别达到78.65%和51.79%，相较于原始的YOLOv7分别提高了1.92%和2.28%，证明了改进方法在光学航拍图像上的有效性。

• 出版日期2023
• 单位贵州大学