山东大学学报(理学版)

作者：李程,车文刚,高盛祥

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 650500；2. 昆明理工大学云南省计算机技术应用重点实验室, 云南 昆明 650500

关键词：计算机视觉,航拍图像目标检测,深度学习,

基金：国家自然科学基金资助项目(61972186);国家自然科学基金资助项目(U21B2027)

提出了一种用于航拍图像的目标检测算法DSB-YOLO(depthwise separable convolutional backbone and YOLO)。在YOLOv5s的基础上, 首先从主干网提取特征图感受野的角度出发, 通过改变卷积核的间隔采样, 降低特征图的感受野以便更好地提取小目标的信息; 其次, 改进了网络Neck部分的特征金字塔模型(feature pyramid network, FPN)和路径聚合网络(path aggregation network, PAN)的特征融合路径, 从而使网络浅层采样的特征图中大量位置信息能够与网络深层提取的特征图较好地结合在一起, 有效地提高了小目标的准确检出率; 接着将C3Transformer模块加入到主干网络中, 用来整合全图信息; 然后, 对网络进行了轻量化处理, 把网络主干的部分卷积改为深度可分离卷积并集成了SE注意力机制, 其目的是聚焦并选择对目标检测任务有用的信息, 从而提升了模型的检测效率。利用VisDrone数据集进行的对比实验结果表明, 在输入图像分辨率为1 280×1 280像素时, 本文提出的DSB-YOLO算法测试平均精度指标mAP50、mAP0.5 ∶0.95与原模型相比, 分别提升了11%和17.5%;部署在嵌入式平台Jetson TX2上的运算速率可以达到21FPS, 模型性能达到适用标准。

来源：2023年第9期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2023年第9期