-
题名基于注意力与自适应特征融合机制的小目标检测
被引量:1
- 1
-
-
作者
任克营
陈晓艳
茆震
苗霞
陈志辉
-
机构
天津科技大学电子信息与自动化学院
-
出处
《天津科技大学学报》
CAS
2023年第4期54-61,共8页
-
基金
天津市科技支撑重点项目(18YFZCGX00360)。
-
文摘
随着无人机平台的发展,航拍小目标检测成为当下研究热点。为了更有效地解决航拍小目标检测存在的漏检、错检以及重复检测等问题,提出了一种基于注意力与自适应特征融合机制的小目标检测算法ST-YOLOX(small target-YOLOX)。本算法在CSPDarknet中融合了全局注意力模块(GC)以及可变形卷积(DC),增强主干网络对小目标特征的提取能力;采用四尺度自适应空间特征融合金字塔,抑制不同尺度之间的不一致信息,提升小目标特征表达的准确性;优化损失函数以及标签分配策略,提高算法检测精度。实验表明:ST-YOLOX在VisDrone-DET 2019数据集中的平均检测精度(mAP)为21.83%,比YOLOX-s模型提升了3.78%,比PPYOLOE-s模型提升了2.99%,比YOLOv5-s模型提升了6.21%。航拍结果证明,本文算法的小目标检测准确率得到显著提高。
-
关键词
无人机航拍
单阶段检测算法
小目标检测
全局注意力机制
YOLOX
自适应特征融合
-
Keywords
drone shooting
one-stage detection algorithm
small target detection
global attention mechanism
YOLOX
adaptively spatial feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进YOLOv5s的多尺度目标检测算法
被引量:3
- 2
-
-
作者
茆震
任玉蒙
陈晓艳
任克营
赵昱炜
-
机构
天津科技大学电子信息与自动化学院
深圳市安软科技股份有限公司
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2023年第2期267-274,共8页
-
基金
天津市科技支撑重点项目(18YFZCGX00360)。
-
文摘
针对多尺度目标检测准确率偏低的问题,提出了一种基于YOLOv5s改进的多尺度目标检测算法。在YOLOv5s主干网络与Neck网络之间融合CBAM模块,增强模型对多尺度目标重要特征信息的提取能力;同时,在模型的Head部分增加多尺度目标检测结构,提高不同尺度目标检测精度;训练时采用CIoU替代GIoU损失函数,以提高模型收敛能力,实现高精度目标定位。数据集来源于实际场景中采集并增强的4万余张图像。实验结果表明,改进后的模型对行人、车辆和人脸的多尺度目标检测平均精度达92.1%,相比未改进YOLOv5s算法提升了3.4%。模型的收敛性好,对密集场景的目标,小尺度目标检测准确度更加突出。
-
关键词
深度学习
YOLOv5s
多尺度目标检测
CBAM注意力机制
CIoU损失函数
-
Keywords
deep learning
YOLOv5s
multi-scale object detection
CBAM attention mechanism
CIoU Loss function
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-