基于YOLOv5的无人机航拍小目标检测模型

A small target detection model for UAV aerial photography based on YOLOv5

摘要

针对无人机小目标检测中漏检率高、检测成功率低等问题，提出一种基于YOLOv5的小目标检测算法。首先，分别在backbone结构和neck结构中，融合swin transformer模块，在减少计算成本的基础上，提高目标检测的准确率，以适应无人机航拍小目标检测；其次，引入卷积注意力模块（convolutional block attention module，CBAM），以增强网络对小目标特征的关注度；最后，将原始损失函数CIoU替换为SIoU损失函数，强调高质量样本权重加速收敛，提高回归精度。实验结果表明，经过模型优化，在Visdrone2019数据集上的检测精度为35.3%，与YOLOv5相比，提升了5.2%；相较于其他经典及先进算法，SWCBSI-YOLO算法表现良好，满足针对无人机航拍小目标的检测要求。

关键词

无人机航拍图像 / 小目标检测 / YOLOv5 / transformer / 注意力机制 / 损失函数

Key words

UAV aerial photography / small target detection / YOLOv5 / transformer / attention mechanism / loss function

基金资助

国家自然科学基金(61170185)