4106.
针对无人机航拍视角下目标尺寸小、特征信息不足、分布密集以及因遮挡导致的检测精度低的问题,提出一种基于特征增强与上下文融合的无人机小目标检测算法。首先,构建增强特征提取的轻量化主干网络,利用特征提取轻量块高效提取特征信息,并设计细粒度通道融合块有效地避免目标细粒度特征的丢失,该主干网络提高了模型的特征提取能力和推理速度;其次,构建小目标检测头,充分提取小目标的位置信息和细节特征;然后,利用自适应选择空间注意力模块,自适应地调整不同目标所需的感受野,以充分利用航拍小目标周围丰富的上下文信息;最后,引入基于最小点距离的边界框回归损失函数MPDIoU,进一步提高密集小目标检测的精度。所提算法在VisDrone2019数据集上的mAP
0.5和mAP
0.5:0.95达到了46.7%和28.6%,较基准网络YOLOv8s分别提高了8.5%和5.9%;同时算法的参数量较YOLOv8s减少了23.4%,可高效适用于无人机航拍密集小目标检测场景。… …
相似文献