来源：期刊VIP网 时间：
作者：宋苏;汪方正;高建安;刘泓森;
单位：香港教育大学数学与资讯科技学系;江苏医药职业学院公共基础学院;南京农业大学人工智能学院;东南大学计算机科学工程学院;
摘要：为了提升无人机航拍影像目标检测的准确率，并实现模型的轻量化，文中对YOLOv5目标检测模型进行了多方面的改进。首先，对YOLOv5的骨干网络进行了优化重组，采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度，并显著减少模型参数量；其次，改进了损失函数，引入Focal-EIoU损失函数，更适合无人机航拍图像的特点，进一步提升了模型的检测精度；此外，将原本耦合的检测头进行了解耦处理，设计了轻量级解耦头，使分类、回归和置信度任务解耦处理，提高了检测精度和收敛速度，并合理控制了模型参数量。实验结果表明，改进后的DEP-YOLO模型在mAP@0.5指标上提升了9.6%，同时模型大小和参数量分别降低了77.93%和83.82%。综上所述，文中提出的综合改进策略显著提升了无人机航拍影像目标检测的精度，并实现了模型的轻量化，验证了其在航拍影像目标检测领域的有效性。
关键词：目标检测;;无人机航拍;;YOLOv5;;模型轻量化;;动态卷积;;解耦检测头;;Focal-EIoU损失函数;;特征提取
