基于YOLOv5的小目标检测算法改进

针对小目标图片分辨率低等问题,分别对YOLOv5s的Head层和BackBone层进行了优化。在Head层方面,采用轻量级通用上采样算子CARAFE,避免了网络结构冗余所带来的无效卷积运算,降低了模型复杂度;在BackBone层方面,针对现有的CNN体系中stridedconvolution和pooling结构导致的细粒度信息丢失和特征学习效率较低的问题,采用了全新的模块SPD-Conv,以最大程度地保留所有判别特征信息。基于此,构建了PAAFCA模型。实验结果表明,在VirDrone2019数据集上,PAAFCA模型的mAP值提升至37.7%。