改进YOLOv5的无人机影像道路目标检测算法

文档摘要：针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度融合卷积注意力模块(Convolutionalblockattentionmodule,CBAM)的YOLOv5道路目标检测算法,即YOLOv5s-FCC.首先,引入小目标感知层对模型进行多尺度改进,增加一个针对小目标的YOLO检测头以提高网络对道路中小目标的特征提取能力.其次,利用CBAM融合空间和通道信息以增强网络中的重要信息,通过将CBAM引入Backbone主干网络不同位置,以获得CBAM最佳融合位置.最后,采用CIoU作为损失函数,以提高边界框预测所需的计算速度和精度.在自建的无人机道路目标数据集上进行训练,结果表明,相较YOLOv5算法,YOLOv5-FCC算法可将mAP50和mAP50-95分别提高2.0％和4.2％.在VisDrone数据集上也验证了YOLOv5-FCC算法的有效性,并建立了基于无人机的道路目标检测系统,实现道路目标的自动检测.

Abstract：AimingattheproblemssuchaslowaccuracyandpoorrobustnessoftargetdetectioncausedbymisseddetectionofsmallroadtargetsandocclusionbetweentargetsinUAVimages,animprovedroadtargetdetectionalgorithmbasedonYOLOv5combiningconvolutionalblockattentionmodule(CBAM),calledYOLOv5s-FCC,wasproposed.Firstly,asmalltargetsensinglayerwasintroducedtoimprovethemulti-scalemodel,andasmalltargetYOLOdetectionheadwasaddedtoimprovethefeatureextractionabilityofthenetworkforsmallroadtargets.Secondly,theCBAMfusedspaceandchannelinformationtoenhanceimportantinformationinthenetworkafteritwasintroducedintodifferentlocationsoftheBackbonenetworktoobtainthebestfusionlocationofCBAM.Finally,CIoUlossfunctionwasusedtoimprovethespeedandaccuracyofthecalculationrequiredforpredictingtheboundingboxofimage.TheexperimentalresultsshowedthatcomparedwithYOLOv5algorithm,YOLOV5-FCCalgorithmcanimprovemAP50andmAP50-95by2.0％and4.2％,respectively.TheeffectivenessofYOLOv5-FCCalgorithmwasalsoverifiedonVisDronedataset,andtheresultsshowedthattheestablishedsystemcanrealizeautomaticdetectionofroadtargets.

作者：张翼  马荣贵  梁辰Author：ZHANGYi  MARonggui  LIANGChen
作者单位：长安大学信息工程学院,陕西西安710021
刊名：测试科学与仪器
Journal：JournalofMeasurementScienceandInstrumentation
年，卷(期)：2024, 15(1)
分类号：
关键词：无人机  道路目标检测  YOLOv5  损失函数  卷积注意力模块  
Keywords：unmannedaerialvehicle(UAV)  roadtargetdetection  YOLOv5  lossfunction  convolutionalblockattentionmodule(CBAM)  
机标分类号：TP391TP278O224
在线出版日期：2024年4月28日
基金项目：改进YOLOv5的无人机影像道路目标检测算法[
期刊论文]  测试科学与仪器--2024, 15(1)张翼  马荣贵  梁辰针对无人机影像中道路小目标漏检和目标之间遮挡导致的目标检测精度低、鲁棒性差等问题,提出一种多尺度融合卷积注意力模块(Convolutionalblockattentionmodule,CBAM)的YOLOv5道路目标检测算法,即YOLOv5s-FCC.首先,引...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：无人机,道路目标检测,YOLOv5,损失函数,卷积注意力模块,

2024-10-3 23:57 上传 改进YOLOv5的无人机影像道路目标检测算法.pdf

文件大小:

4.21 MB

下载次数:

60

高速下载