基于动态标签分配和边界框回归的无人机航拍小目标检测

摘要

提出了一种基于动态标签分配和边界框回归的无人机航拍小目标检测网络，该网络在骨干网络上减少下采样的倍数，使网络更关注小目标；对于小目标特征信息提取不充分的问题，下采样过程中使用空间转深度卷积替换原下采样操作，增加对小目标细节信息和特征的学习；使用动态标签分配策略根据训练状态和预测动态执行标签分配，在一定程度上缓解环境干扰的局限性；在损失函数上采用最小边界框回归损失函数（MPDIoU）来避免预测框与真实框长宽比例相同而造成的梯度爆炸，从而提高网络的收敛速度.VisDrone2019数据集验证结果表明，改进后网络的P_mAP@0.5%和P_{mAP@0.5%～0.95%}分别为40.4%和22.4%,较原网络的提升了6.4%和3.7%,且误检率降低了2.3%,证明了改进后网络的有效性.

关键词

Yolov5s网络 / 无人机航拍 / 小目标检测