来源：期刊VIP网 时间：
作者：彭艺;李睿;杨青青;凃馨月;
单位：昆明理工大学信息工程与自动化学院;昆明理工大学云南省计算机技术应用重点实验室;
摘要：利用深度学习中特征提取的优势,提出一种改进算法,结合改进的卷积注意力模块,将YOLOv5模型骨干网络替换为改进的MobileNetv2轻量化网络,形成I-YOLOv5算法,旨在提高检测精确度和小目标、多目标的检测能力,同时保持实时性.为构建数据集,通过网络搜索和自主录制无人机视频的方式,用Label Img工具完成标注.结果表明, I-YOLOv5算法在检测精度上有显著提升,对小目标和多目标的检测效果更优秀,在视频检测方面表现出色,具有较好的实时性能.通过模型结构优化,使检测模型的大小减少为原来的18.6%,检测速度提升120%. I-YOLOv5算法的平均精度均值达到97.8%.
关键词：无人机;;目标检测;;YOLOv5模型;;卷积注意力机制;;轻量化
基金资助：国家自然科学基金项目(61761025);; 云南省计算机技术应用重点实验室项目(2021102)
