基于特征融合與注意力機制的無人機圖像小目標檢測算法

【摘要】：由于無人機航拍圖像目標物體尺寸太小、包含的特征信息少，導致現有的檢測算法對小目標的檢測效果不理想。針對該問題，在YOLOv5主干網絡中融入多頭注意力機制，可以有效整合全局特征信息。隨著網絡深度的不斷加深，模型將更關注高層的語義信息，進而忽略對小目標檢測至關重要的底層細節紋理特征，導致小目標的檢測效果較差。因此，提出淺層特征增強模塊來學習底層特征信息，達到增強小目標特征信息的目的。此外，為了加強特征融合的能力，設計了一種多級特征融合模塊，將不同層級的特征信息進行聚合，使網絡能夠動態調節各輸出檢測層的權重。實驗結果表明，所提算法在公開數據集VisDrone2021平均均值精度達到45.7%，相比原YOLOv5算法提升了3.1%，對高分辨率圖像的檢測速度FPS達到41幀/秒，滿足實時性，與其他主流算法相比該算法檢測精度有明顯提升。