改进YOLOv7的航拍图像目标检测

doi:10.3778/j.issn.1002-8331.2305-0264

摘要/摘要

摘要：航拍图像目标检测对于高效解译航拍图像，并用于地图绘制、资源普查、城乡规划等领域有着重大现实意义。针对无人机航拍图像中的物体尺度变化大、易受到背景干扰和微小目标容易错检漏检的问题，提出一种基于YOLOv7公司进行改进的航拍图像目标检测算法（AirYOLOv7）航空YOLOv7通过在原网络的特征提取阶段结合三维注意力机制，在特征融合阶段结合通道注意力机制，以帮助模型更好地聚焦于图像中的关键信息。考虑到航拍图像中存在许多微小物体，算法额外增加了一个用于检测微小物体的预测头，并在每个预测头前引入C3STB、以增强算法对不同尺度目标的检测能力。针对意向书损失对微小物体的位置偏差非常敏感，通过在原边框回归损失中引入沃瑟斯坦距离来衡量微小物体之间的差异，以提高算法对微小物体的检测能力。实验结果表明，AirYOLOv7 DOTA和VisDrone这两个公开的光学航拍数据集上的单克隆抗体78.65%和51.79%，YOLOv7 1.92和2.28个百分点，证明了改进方法在光学航拍图像上的有效性。

关键词: 目标检测, 航拍图像, 注意力机制, 损失函数, Swin变压器， YOLOv7公司

摘要：航空图像目标检测对于航空图像的有效解释以及在测绘、资源清查、城乡规划等方面的应用具有重要的实际意义，在YOLOv7的基础上，提出了一种改进的算法AirYOLOv 7。首先，AirYOLOv7在原始网络中结合了特征提取期间的三维注意机制和特征融合期间的通道注意机制。这些机制有助于模型聚焦图像中的关键信息。其次，由于小目标在航空图像中普遍存在，该算法增加了一个用于检测小目标的预测头。该算法还在每个预测头之前加入C3STB，以提高对不同尺度目标的检测能力。此外，该算法通过将Wasserstein距离引入原始边界盒回归损失，解决了IoU损失对小对象位置偏差的敏感性。这种措施有助于提高对小物体的检测能力。实验结果表明，AirYOLOv7在两个公开可用的光学航空数据集DOTA和VisDrone上的有效性在这些数据集上分别达到78.65%和51.79%的平均精度，与最初的YOLOv7相比，改进了1.92个百分点和2.28个百分点，这验证了拟议改进对光学航空图像的有效性。

关键词： 目标检测，无人机图像，注意机制，损失函数， Swin变压器， YOLOv7公司

邹振涛, 李泽平. 改进YOLOv7公司的航拍图像目标检测[J] ●●●●。计算机工程与应用, 2024, 60(8): 173-181.

邹振涛、李泽平。改进的YOLOv7用于无人机图像目标检测[J]。计算机工程与应用，2024,60（8）：173-181。

参考文献

[1] MITTAL P，SINGH R，SHARMA A.低空无人机数据集中基于深度学习的目标检测：一项调查[J]。图像与视觉计算，2020，104:104046。
[2] CHENG G，HAN J.光学遥感图像目标检测综述[J]。ISPRS摄影测量和遥感杂志，2016，117:11-28。
[3] 董刚, 谢维成, 黄小龙, 等.深度学习小目标检测算法综述[J] ●●●●。计算机工程与应用，2023, 59(11): 16-27.
董庚，谢文聪，黄晓林，等.基于深度学习的小目标检测算法综述[J]。计算机工程与应用，2023，59（11）：16-27。
[4] GIRSHICK R.Fast R-CNN[C]//IEEE计算机视觉国际会议论文集，2015年。
[5] REN S，HE K，GIRSHICK R，et al.Faster R-CNN:towards real-time object detection with region proposition networks[C]//Advances in Neural Information Processing Systems，2015.雷恩·S，何·K，吉尔希克·R，等.更快的R-CNN：利用区域提议网络。
[6] 刘伟，安格洛夫D，埃尔罕D，等.SSD:单次多盒探测器[C]//欧洲计算机视觉会议论文集，2016。
[7] LIN T Y，GOYAL P，GIRSHICK R，等.稠密目标检测的焦距损失[C]//IEEE计算机视觉国际会议论文集，2017。
[8] 胡皓, 郭放, 刘钊.改进YOLOX-S公司模型的施工场景目标检测[J] ●●●●。计算机科学与探索, 2023, 17(5): 1089-1101.
胡慧，郭峰，刘忠.基于改进YOLOX-S模型的建筑工地目标检测[J]。计算机科学与技术前沿杂志，2023，17（5）：1089-1101。
[9] 王志毅，BOCHKOVSKIY A，LIAO H Y M.YOLOv7：可培训的免费包为实时目标探测器创造了新的技术水平[J]。arXiv:2207.026962022年。
[10] 赵振兵, 王帆帆, 刘良帅, 等.基于注意力特征融合YOLOv5公司模型的无人机输电线路航拍图像金具检测方法[J] .2023年，60（3）：145-152。
赵志斌，王发发，刘立斯，等.基于注意特征融合YOLOv5模型的UVA传输线航空图像硬件检测方法[J]。电气测量与仪表，2023，60（3）：145-152。
[11] 苏俊楷, 段先华, 叶赵兵.改进YOLOv5公司算法的玉米病害检测研究[J] ●●●●。计算机科学与探索, 2023, 17(4): 933-941.
SU J K，DUAN X H，YE Z B.基于改进YOLOv5算法的玉米病害检测研究[J]。计算机科学与技术前沿杂志，2023，17（4）：933-941。
[12] 冒国韬, 邓天民, 于楠晶.基于多尺度分割注意力的无人机航拍图像目标检测算法[J] 《财富报告》，2023，44（5）：273-283。
MAO G T，DENG T M，YU N J.基于多尺度分割注意力的无人机图像中的目标检测[J]。《航空航天学报》，2023，44（5）：273-283。
[13] ZHU X，LYU S，WANG X，等。TPH-YOLOv5：基于变压器预测头的改进YOLOv 5，用于无人机目标检测？捕获的场景[C]//IEEE/CVF国际计算机视觉会议记录，2021年。
[14] WOO S，PARK J，LEE J Y，et al.CBAM:卷积块注意模块[C]//欧洲计算机视觉会议论文集，2018。
[15] 陆X，季J，邢Z，等.遥感目标检测中的注意事项与特征融合SSD[J]。IEEE仪器和测量汇刊，2021，70:1-9。
[16] 李坤亚, 欧鸥, 刘广滨, 等.改进YOLOv5公司的遥感图像目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(9): 207-214.
李开义，OU O，刘国斌，等.基于改进YOLOv5的遥感图像目标检测算法[J]。计算机工程与应用，2023，59（9）：207-214。
[17] 许X，冯Z，曹C，等.一种改进的基于swin变换的遥感目标检测和实例分割模型[J]。遥感，2021，13（23）：4779。
[18] YANG L，ZHANG R Y，LI L，et al.SimAM：一个简单的参数？卷积神经网络的自由注意模块[C]//机器学习国际会议论文集，2021:11863-11874。
[19] 王强，吴斌，朱鹏，等.ECA-Net:深度卷积神经网络的有效信道关注[C]//IEEE/CVF计算机视觉与模式识别会议论文集，2020。
[20] VASWANI A、SHAZEER N、PARMAR N等。注意力就是你所需要的一切[C]//神经信息处理系统进展，2017。
[21]LIU Z，LIN Y，CAO Y，et al.Swin Transformer:使用移位窗口的分层视觉转换器[C]//IEEE/CFF国际计算机视觉会议论文集，2021。
[22]张杰，夏克，黄志，等.带注意模块的集合变换器在小目标检测中的应用[J]。专家系统与应用，2023，224:119997。
[23]YANG X，ZHANG G，YANG X等.旋转物体高斯分布检测及其三维推广[J]。IEEE模式分析和机器智能汇刊，2022，45（4）：4335-4354。
[24]王J，许C，杨伟，等.用于微小目标检测的归一化高斯-瓦瑟斯坦距离[J]。arXiv:2110.133892021年。
[25]DOSOVITSKIY A，BEYER L，KOLESNIKOV A，等.一幅图像值16×16个单词：用于规模图像识别的变压器[J].arXiv:2010.119292020。
[26]夏国胜，白X，丁J，等.DOTA:航空图像中目标检测的大规模数据集[C]//IEEE计算机视觉与模式识别会议论文集，2018。
[27]DU D，ZHU P，WEN L，et al.VisDrone-DET2019：视觉满足图像挑战结果中的无人机目标检测[C]//2019年IEEE/CVF国际计算机视觉会议论文集。
[28]江B，罗R，毛J，等.精确目标检测定位置信度的获取[C]//欧洲计算机视觉会议论文集，2018。
[29]方小林，胡峰，杨明，等.基于超分辨率的遥感图像小目标检测[J]。《模式识别快报》，2022153:107-112。
[30]王？G Q，ZHUANG Y，CHEN H，等。FSoD-Net：光学遥感图像的全尺度目标检测[J]。IEEE地球科学与遥感汇刊，2022年，60:1-18。
[31]王德，张杰，杜波，等.遥感预处理的实证研究[J]。IEEE地球科学与遥感汇刊，2022年，61:1-20。
[32]张S，CHI C，YAO Y，等.通过自适应训练样本选择弥合基于主持人和无主持人检测之间的差距[C]//IEEE/CVF计算机视觉和模式识别会议论文集，2020。
[33]李C，杨T，朱S，等.航空图像中密度图引导目标检测[C]//IEEE/CVF计算机视觉与模式识别研讨会论文集，2020。
[34]DENG S，LI S，XIE K，et al.一种用于无人机视景目标检测的全局-局部自适应网络[J]。IEEE图像处理汇刊，2020，30:1556-1569。
[35]郭美华，徐天X，刘俊杰，等.计算机视觉中的注意机制研究[J]。计算视觉媒体，2022，8（3）：331-368。

改进YOLOv7公司的航拍图像目标检测

改进的YOLOv7用于无人机图像目标检测

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	廉露, 田启川, 谭润, 张晓行.基于神经网络的图像风格迁移研究进展[J] ●●●●。计算机工程与应用, 2024, 60(9): 30-47.
[2]	史涛, 崔杰, 李松.优化改进YOLOv8型实现实时无人机车辆检测的算法[J] ●●●●。计算机工程与应用, 2024, 60(9): 79-89.
[3]	窦智, 高浩然, 刘国奇, 常宝方.轻量化YOLOv8型的小样本钢板缺陷检测算法[J] ●●●●。计算机工程与应用, 2024, 60(9): 90-100.
[4]	王茹, 刘大明, 张健.穿戴-YOLO：变电站电力人员安全装备检测方法研究[J] ●●●●。计算机工程与应用, 2024, 60(9): 111-121.
[5]	欧阳博, 朱勇建, 杨礼康, 王本源.FA-SORT公司：轻量化的多车辆跟踪算法[J] ●●●●。计算机工程与应用, 2024, 60(9): 122-134.
[6]	蔡腾, 陈慈发, 董方敏.结合变压器和动态特征融合的低照度目标检测[J] ●●●●。计算机工程与应用, 2024, 60(9): 135-141.
[7]	潘玮, 韦超, 钱春雨, 杨哲.面向无人机视角下小目标检测的YOLOv8s公司[J] ●●●●。计算机工程与应用, 2024, 60(9): 142-150.
[8]	张洋宁, 朱静, 董瑞, 尤泽顺, 王震.多层级信息增强异构图的篇章级话题分割模型[J] ●●●●。计算机工程与应用, 2024, 60(9): 203-211.
[9]	陶林娟, 华庚兴, 李波.基于位置增强词向量和GRU-CNN（美国有线电视新闻网）的方面级情感分析模型研究[J] ●●●●。计算机工程与应用, 2024, 60(9): 212-218.
[10]	江结林, 朱永伟, 许小龙, 崔燕, 赵英男.混合特征及多头注意力的中文短文本分类[J] ●●●●。计算机工程与应用, 2024, 60(9): 237-243.
[11]	车运龙, 袁亮, 孙丽慧.基于强语义关键点采样的三维目标检测方法[J] ●●●●。计算机工程与应用, 2024, 60(9): 254-260.
[12]	李钟华, 林初俊, 朱恒亮, 廖诗宇, 白云起.基于结构感知和全局上下文信息的小目标检测[J] ●●●●。计算机工程与应用, 2024, 60(9): 292-298.
[13]	周定威, 扈静, 张良锐, 段飞亚.面向目标检测的数据集标签遗漏的协同修正技术[J] ●●●●。计算机工程与应用, 2024, 60(8): 267-273.
[14]	王永贵, 王芯茹.融合自注意力和图卷积的多视图群组推荐[J] ●●●●。计算机工程与应用, 2024, 60(8): 287-295.
[15]	许逵, 李鑫卓, 张历, 张俊杰, 杨宁.自然场景下配电线网施工安全帽佩戴检测算法[J] ●●●●。计算机工程与应用, 2024, 60(8): 320-328.