来源：期刊VIP网 时间：
作者：吴星弛;罗立宏;
单位：广东工业大学计算机学院;
摘要：针对无人机图像中广泛分布的小目标及复杂多变的背景环境导致的识别精度低的问题，文中提出一种优化的无人机图像小目标检测方法。该方法基于YOLOv7算法，首先，设计了一种混合注意力混洗模块并将其加入到池化层以构建复杂环境下小目标的特征提取模块MP-HASM，来强化通道间的信息交互，提高全局信息的捕捉；其次，在层聚合模块处引入双级路由注意力来构建新的模块ELEN-BRA，使模型更聚焦于关键信息；然后，在颈部增加超高分辨率检测层，以此丰富网络检测尺度，获取更精细的特征信息；最后，引入NWD度量来构建CNWD损失函数，以有效处理无人机图像中多变的尺度特征。实验结果证明，改进算法在Visdrone2019数据集取得了良好的效果，精确率、召回率、mAP@0.5相比原模型分别提升了2%、3.3%、3%，同时具有较快的检测速度，该方法能够胜任复杂场景下的无人机图像检测需求。
关键词：目标检测;;无人机图像;;注意力机制;;YOLOv7;;特征表达;;NWD
基金资助：广东省自然科学基金项目：室内导航中的视觉定位几何模型与AR导航关键技术(2023A1515011706);; 教育部人文社科项目：基于VR/AR的历史文化展览沉浸式可视化叙事构架研究(20YJAZH073)
