摘要：无人机航拍图像目标检测已成为无人机应用场景中的一项重要技术，针对无人机航拍图像中目标尺度变化大、小尺寸目标分布密集、背景复杂而导致的漏检和误检问题，本文提出一种基于YOLOv7-tiny改进的带有ConvMixer检测头的无人机航拍图像小目标检测算法。首先，将激活函数LeakyReLU替换为SiLU，弥补LeakyReLU缺少的非线性表达，提升模型训练时的收敛速度与模型泛化性；其次，为了增强对多尺度目标的特征提取能力，该算法额外设计了小目标检测层，并衍生出一个微小目标检测头，增大了模型感受野，更好地解决目标尺度剧烈变化带来的大尺度方差问题，提升了小目标的检测能力；另外本文算法在预测头部分集成ConvMixer层，ConvMixer中的深度卷积和逐点卷积有助于找到传递给预测头的特征信息中的空间和通道关系，提升对微小目标的处理能力；最后，将YOLOv7-tiny的耦合检测头替换为更高效的解耦头，对定位与分类任务解耦出单独的特征通道，增强对目标的分类和定位能力。为全面验证每个改进点的有效性，本文从两个方向设计了消融实验，并对比分析了改进算法与其他算法的检测性能。实验结果表明本文算法在Visdrone2021数据集上平均精度均值mAP达到40.9%，较基线算法提升3.7个百分点，模型内存为28.2MB，检测速度达到35.8帧/秒，改进算法综合性能与对比的主流先进算法相比较优，通过检测效果分析可知本文算法在无人机航拍图像检测上的误检和漏检问题得到较大改善。本文算法在准确性和实时性能胜任航拍图像小目标检测任务。
文章目录
1 YOLOv7-tiny网络结构
2 改进YOLOv7-tiny算法网络结构
2.1 SiLU激活函数
2.2 ConvMixer
2.3 Efficient解耦头
3 实验结果与分析
3.1 实验环境与配置
3.2 数据集
3.3 评价指标
3.4 消融实验
3.5 对比试验
3.6 检测效果分析
4 结 论