-
题名多层次精细化无人机图像目标检测
- 1
-
-
作者
肖振久
赖思宇
曲海成
-
机构
辽宁工程技术大学软件学院
-
出处
《光电工程》
北大核心
2025年第5期34-49,共16页
-
基金
辽宁省高等学校基本科研项目(LJKMZ20220699)
辽宁工程技术大学学科创新团队项目(LNTU20TD-23)。
-
文摘
针对无人机图像中背景复杂、光线多变、目标遮挡及尺度不一导致的漏检、误检问题,提出一种多层次精细化无人机图像目标检测算法。首先,结合多尺度特征提取与特征融合增强策略,设计CSP-SMSFF(cross stage partial selective multi-scale feature fusion)模块,该模块通过递增卷积核与通道融合,精确捕获多尺度目标特征。其次,引入AFGCAttention(adaptive fine-grained channel attention)机制,通过动态调优机制优化通道特征表达,增强算法对多尺度重要样本特征的感知力与判别力及细粒度映射信息的保留能力,抑制背景噪声,改善漏检情况。而后,设计SGCE-Head(shared group convolution efficient head)检测头,利用EMSPConv(efficient multi-scale convolution)卷积实现对空间通道维度中全局重要特征与局部细节信息的精准捕获,增强对多尺度特征的定位与识别能力,改善误检问题。最后,提出Inner-Powerful-IoUv2损失函数,通过动态梯度加权与分层IoU优化,平衡不同质量样本的定位权重,增强模型对模糊目标的检测能力。采用数据集VisDrone2019和VisDrone2021进行实验,结果表明,该方法mAP@0.5数值达到了47.5%和45.3%,较基线模型分别提升5.7%和4.7%,优于对比算法。
-
关键词
无人机图像
目标检测
多尺度特征提取与融合
自适应细粒度通道注意力
emspconv
-
Keywords
UAV image
target detection
multi-scale feature extraction and fusion
adaptive fine-grained channel attention
emspconv
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
