基于多路徑動態(tài)卷積的YOLOv5無人機航拍目標檢測模型

打開文本圖片集

摘  要： 為了提升無人機航拍影像目標檢測的準確率，并實現(xiàn)模型的輕量化，文中對YOLOv5目標檢測模型進行了多方面的改進。首先，對YOLOv5的骨干網(wǎng)絡進行了優(yōu)化重組，采用更高效的動態(tài)卷積結構和多通道并行處理策略增強特征提取能力和檢測精度，并顯著減少模型參數(shù)量；其次，改進了損失函數(shù)，引入Focal?EIoU損失函數(shù)，更適合無人機航拍圖像的特點，進一步提升了模型的檢測精度；此外，將原本耦合的檢測頭進行了解耦處理，設計了輕量級解耦頭，使分類、回歸和置信度任務解耦處理，提高了檢測精度和收斂速度，并合理控制了模型參數(shù)量。（剩余9341字）