基于改进YOLOX的无人机航拍图像密集小目标车辆检测

摘要

针对无人机航拍视角下对小目标的检测仍存在漏检现象严重、检测精度低等问题，提出一种改进的YOLOX网络，用于无人机航拍图像的检测。为了增强网络的特征学习能力，在特征融合部分引入自适应空间特征融合（ASFF）模块，并在网络的颈部（Neck）嵌入坐标注意力机制（CA）。为了加强网络对正样本的学习，将二元交叉熵损失函数替换为变焦距损失函数。实验结果表明：改进后的YOLOX网络具有更好的检测效能，其mAP_@50和mAP_@50＿95分别达到了91.50%和79.65%。在多种交通场景下的可视化结果表明：相较于其他算法，优化后的网络具有更低的漏检率以及更高的检测精度，能够胜任小目标车辆的检测任务，可为高空视角下的车辆多目标跟踪应用提供参考。

关键词

交通运输系统工程 / 小目标车辆检测 / 损失函数 / 坐标注意力机制 / 自适应空间特征融合 / YOLOX