来源：期刊VIP网 时间：
作者：于彦辉;司占军;张滢雪;李雅静;卢勇拾;
单位：天津科技大学人工智能学院;国家开放大学数字化学习技术集成与应用教育部工程研究中心;
摘要：针对传统卷积网络对无人机图像中小目标检测精度低和误检问题，本研究提出一种改进的无人机图像小目标检测算法，提高航拍检测精度。本算法采用YOLOv7作为基本框架，并在空间金字塔池化中融入动态稀疏注意力，形成SPPCSPC-B模块，增强了对小目标的检测能力。同时，本算法使用局部卷积替代了高效聚合网络中的部分群卷积，形成ELAN-P模块，提高了检测速度。最后，使用轻量级上采样算子CARAFE对特征进行重组，进一步提高了检测精度。在Aerial-airport数据集上的实验结果表明，本算法在参数量减少9%、模型缩小8%的情况下，检测精度达94.7%，召回率达到90.8%，比基准算法提高了3.9个百分点，且有效改善了小目标误检、漏检现象。
关键词：无人机目标检测;;YOLOv7;;动态稀疏注意力;;部分卷积;;CARAFE
