计算机应用研究

作者：赵玉卿,贾金露,公维军,钱育蓉,

单位：新疆大学a.软件学院;b.新疆维吾尔自治区信号检测与处理重点实验室;c.新疆大学软件工程重点实验室;d.信息科学与工程学院,乌鲁木齐830046；

关键词：计算机视觉,目标检测,YOLOv4,注意力机制,

基金：国家自然科学基金资助项目(61966035)；新疆维吾尔自治区研究生创新项目(XJ2020G074)；国家自然科学基金联合基金重点项目(U1803261)；；

航拍图像目标检测存在多尺度目标检测精度低、检测速度慢、漏检和误检严重等问题。针对这些问题，提出一种融合卷积注意力机制和轻量化网络的目标检测算法（pro-YOLOv4），并应用于多尺度航拍图像目标检测。首先，利用K-means聚类算法对航拍数据集进行聚类分析并优化锚框参数，以提高对目标检测的有效性；其次，采用轻量级网络结构，精简网络复杂度，提高检测速度；最后，引入卷积注意力模块来解决复杂场景对于航拍目标检测的干扰，从而有效降低误检率和漏检率。在航拍数据集RSOD和NWPU VHR-10上进行实验对比，实验结果表明，pro-YOLOv4检测效果较YOLOv4有明显提升，平均检测精度分别提高了3.42%和3.98%。该算法不仅对多尺度目标均表现出较好检测性能，还降低了目标漏检率，并具有较好的鲁棒性和泛化能力。

来源：2021年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第11期