改进YOLOv5的军事飞机检测算法

【类型】期刊

【作者】王杰  张上  张岳  胡益民 

【刊名】无线电工程

【关键词】 FPGM,YOLOv5s,目标检测,Loss,SIOU,军事飞机

【摘要】针对遥感图像中军事飞机目标检测存在的精度低、漏检和虚警率高等问题，提出了一种基于YOLOv5s的轻量化遥感图像军事飞机目标检测算法——YOLO-Military Aircraft Recognition(YOLO-MAR)。提出新的网络结构，完成多尺度感受野权重调整，重设计特征提取网络和特征融合网络，实现小目标特征权重增加，并进行轻量化处理；使用FPGM对重构后的模型进行剪枝，极大地降低了模型的参数量和体积；使用SIoU Loss作为模型的损失函数，使模型的收敛速度加快并提升检测的精度。结果表明，在公开军用飞机数据集MAR20上，YOLO-MAR相比于原YOLOv5s,模型体积降低至3.95 MB,缩小了71.5%,经过剪枝后的模型体积最小可缩减至0.2 MB,模型平均检测精度最高可达91.7%,提高了2.34%,并且在检测效果、模型体积、参数量和计算量等方面具有先进性，能够对军用飞机目标进行高质量实时检测。

【年份】2024

【作者单位】三峡大学水电工程智能视觉监测湖北省重点实验室;三峡大学湖北省建筑质量检测装备工程技术研究中心;三峡大学计算机与信息学院;

【期号】03

【页码】589-596