-
题名基于YOLOv9-c改进的无人机目标检测算法
- 1
-
-
作者
宫燕铭
张荣芬
刘宇红
蒋崇君
-
机构
贵州大学大数据与信息工程学院
-
出处
《贵州大学学报(自然科学版)》
2026年第1期8-17,共10页
-
基金
贵州省基础研究自然科学资助项目(黔科合基础-ZK[2021]重点001)。
-
文摘
无人机航拍图像中目标多为小目标,因其携带信息少,目标相互遮挡等特点成为当前无人机目标检测的难点。针对小目标漏检、误检、检测精度低的问题,提出了一种改进YOLOv9-c的无人机目标检测算法。首先,在主干网络设计特征融合AFFOD模块,引入迭代注意力机制和全维度动态卷积,动态优化多尺度特征融合过程,提高对小目标细节信息的提取能力,同时增强复杂背景下小目标的定位和识别能力。其次,提出下采样模块DEADown,通过深度可分离卷积和最大池化以及注意力机制的协同作用,解决了传统卷积对小目标特征留存能力不足的问题。再次,在neck网络中添加小目标检测层,通过高分辨率特征图强化浅层特征的表征能力,使其能够捕捉小目标更多的细节信息。最后,在模型的主干网络中引入Bot-Transformer模块,该模块利用自注意力机制增强全局语义信息获取能力,在降低模型复杂度的同时,提高了检测效率。改进后的YOLOv9-c算法在Visdrone2019公开数据集上的检测精度达到了50.3%,相比于YOLOv9-c原算法精度提高了5.8%,模型的参数量降低了23个百分点,证明了方法的有效性。在DOTA数据集上进行泛化实验,检测精度提升了1.3%,证明了改进算法的通用性。
-
关键词
YOLOv9-c
AFFOD
DEADown
小目标检测层
bot-transformer
-
Keywords
YOLOv9-c
AFFOD
DEADown
small target detection layer
bot-transformer
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
