基于改进YOLOv5无人机图像目标检测算法

针对目前在无人机图像目标检测算法中存在漏检与误检、不能兼顾检测速度,并且不能很好地应用于移动设备端等问题,提出了以YOLOv5n算法为基础进行改进的无人机图像目标检测算法。在原有的网络结构中添加小目标检测层M,增强对小目标的检测能力;在主干特征提取网络中引入BoT模块,减少网络参数量计算并提高检测精度;在特征融合网络中添加CBAM注意力机制,有效抑制背景信息干扰;将网络的头部替换成解耦头部,增强网络的收敛效果。将改进的算法在处理后的VirDrone数据集上进行测试,实验结果表明,在YOLOv5n算法上整体平均精度均值提升了10.25%,检测精度提高了9.81%,改进后的算法在保证实时性的同时有效提高了检测精度。