改进YOLOv7的无人机视角下复杂环境目标检测算法
文档名：改进YOLOv7的无人机视角下复杂环境目标检测算法
摘要：针对无人机在航拍过程中容易受到恶劣环境的影响,导致航拍图像出现辨识度低、被障碍物遮挡、特征严重丢失等问题,提出了一种改进YOLOv7的无人机视角下复杂环境的目标检测算法(SSG-YOLOv7).首先从VisDrone2019数据集和RSOD数据集中分别抽取图片进行五种环境的模拟,将VisDrone数据集扩充至12803张,RSOD数据集扩充至1320张.其次,聚类出更适合数据集的锚框尺寸.接着将3D无参注意力机制SimAM引入主干网络和特征提取模块中,增加模型的学习能力.然后重构特征提取模块SPPCSPC,融合不同尺寸池化通道提取的信息同时引入轻量级的卷积模块GhostConv,在不增加模型参数量的同时提高算法对密集多尺度目标检测精度.最后使用SoftNMS优化锚框的置信度,减少算法的误检、漏检率.实验结果表明,在复杂环境的检测任务中SSG-YOLOv7检测效果优良,性能指标VisDrone_mAP@0.5和RSOD_mAP@0.5较YOLOv7分别提高了10.45%和2.67%.
Abstract：ToaddressthechallengesfacedbydronesduringUAV(unmannedaerialvehicle)photographyinadverseconditions,suchaslowimagerecognition,obstructionbyobstacles,andsignificantfeatureloss,anovelalgorithmnamedSSG-YOLOv7wasproposedtoenhanceobjectdetectionfromtheperspectiveofdronesincomplexenvironments.Firstly,12803imageswereaugmentedfromtheVisDrone2019dataset,and1320imageswereaugmentedfromtheRSODdatasettosimulatefivedifferentenvironments.Subsequently,anchorboxsizessuitableforthedatasetswereclustered.The3Dnon-localattentionmechanismSimAMwasintegratedintothebackbonenetworkandfeatureextractionmoduletoenhancethemodel'slearningcapabilities.Furthermore,thefeatureextractionmoduleSPPCSPCwasrestructuredtointegrateinformationextractedfromchannelswithdifferentpoolsizesandintroducethelightweightconvolutionmoduleGhostConv,therebyimprovingtheprecisionofdensemulti-scaleobjectdetectionwithoutincreasingthemodel'sparametercount.Finally,SoftNMSwasemployedtooptimizetheconfidenceofanchorboxes,reducingfalsepositivesandmisseddetections.ExperimentalresultsdemonstratethatSSG-YOLOv7exhibitssuperiordetectionperformanceincomplexenvironments,withperformancemetricsVisDrone_mAP@0.5andRSOD_mAP@0.5showingimprovementsof10.45%and2.67%,respectively,comparedtoYOLOv7.
作者：张润梅 肖钰霏 贾振楠 陈中 陈梓华 袁彬 曹炜威 宋娓娓Author：ZhangRunmei XiaoYufei JiaZhennan ChenZhong ChenZihua YuanBin CaoWeiwei SongWeiwei
作者单位：安徽建筑大学机械与电气工程学院,安徽合肥230601;安徽省工程机械智能制造重点实验室,安徽合肥230601;安徽省仿真设计与现代制造工程技术研究中心,安徽黄山242700;民航飞行技术与飞行安全重点实验室,四川广汉618300安徽建筑大学机械与电气工程学院,安徽合肥230601安徽建筑大学机械与电气工程学院,安徽合肥230601;安徽省工程机械智能制造重点实验室,安徽合肥230601民航飞行技术与飞行安全重点实验室,四川广汉618300安徽省仿真设计与现代制造工程技术研究中心,安徽黄山242700
刊名：光电工程 ISTICPKU
Journal：Opto-ElectronicEngineering
年，卷(期)：2024, 51(5)
分类号：TP391
关键词：无人机复杂环境YOLOv7simAM注意力机制SPPCSPC数据增强
Keywords：UAVcomplexenvironmentYOLOv7simAMattentionmechanismSPPCSPCdataenhancement
机标分类号：TP391.41X32X51
在线出版日期：2024年7月17日
基金项目：改进YOLOv7的无人机视角下复杂环境目标检测算法[
期刊论文]光电工程--2024, 51(5)张润梅肖钰霏贾振楠陈中陈梓华袁彬曹炜威宋娓娓针对无人机在航拍过程中容易受到恶劣环境的影响,导致航拍图像出现辨识度低、被障碍物遮挡、特征严重丢失等问题,提出了一种改进YOLOv7的无人机视角下复杂环境的目标检测算法(SSG-YOLOv7).首先从VisDrone2019数据集和RSO...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
改进YOLOv7的无人机视角下复杂环境目标检测算法Improved YOLOv7 algorithm for target detection in complex environments from UAV perspective
改进YOLOv7的无人机视角下复杂环境目标检测算法.pdf
页:
[1]