来源：期刊VIP网 时间：
作者：梁刚;赵良军;宁峰;席裕斌;何中良;
单位：四川轻化工大学计算机科学与工程学院;四川轻化工大学自动化与信息工程学院;
摘要：在无人机航拍图像中，车辆目标较小，尺度变化大，背景复杂且分布密集，导致精度过低的问题。因此，提出一种基于改进的YOLOv5的无人机航拍图像车辆目标检测算法。增加小目标检测层，减少小目标特征丢失，从而提高小目标检测精度；设计了一个名为DAC的新特征提取模块，它融合了标准卷积、可变形卷积和通道空间注意力机制，旨在增强模型对车辆尺度变化的感知能力，并让模型聚焦于复杂背景下的车辆目标；将损失函数更改为Focal-EIoU，以加速模型收敛速度，同时提高小目标车辆的检测精度。使用Soft-NMS代替YOLOv5中采用的非极大值抑制，从而改善目标密集场景下的漏检和误检情况。在VisDrone2019数据集上进行了消融实验、对比实验和结果可视化。改进后的模型平均精度（mAP）比基线模型提高了8.4%，参数量和GFLOPs仅增加了4.8%和3.79%，验证了改进策略的有效性和优越性。
关键词：无人机图像;;车辆检测;;小目标检测;;可变形卷积;;损失函数;;非极大值抑制
