基于多路徑動(dòng)態(tài)卷積的YOLOv5無(wú)人機(jī)航拍目標(biāo)檢測(cè)模型

打開(kāi)文本圖片集

摘  要： 為了提升無(wú)人機(jī)航拍影像目標(biāo)檢測(cè)的準(zhǔn)確率，并實(shí)現(xiàn)模型的輕量化，文中對(duì)YOLOv5目標(biāo)檢測(cè)模型進(jìn)行了多方面的改進(jìn)。首先，對(duì)YOLOv5的骨干網(wǎng)絡(luò)進(jìn)行了優(yōu)化重組，采用更高效的動(dòng)態(tài)卷積結(jié)構(gòu)和多通道并行處理策略增強(qiáng)特征提取能力和檢測(cè)精度，并顯著減少模型參數(shù)量；其次，改進(jìn)了損失函數(shù)，引入Focal?EIoU損失函數(shù)，更適合無(wú)人機(jī)航拍圖像的特點(diǎn)，進(jìn)一步提升了模型的檢測(cè)精度；此外，將原本耦合的檢測(cè)頭進(jìn)行了解耦處理，設(shè)計(jì)了輕量級(jí)解耦頭，使分類(lèi)、回歸和置信度任務(wù)解耦處理，提高了檢測(cè)精度和收斂速度，并合理控制了模型參數(shù)量。（剩余9341字）