YOLO-PDS：基于改進的YOLOv11的無人機小目標檢測算法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大小：5794 K
標簽： 目標檢測 YOLOv11 風車狀卷積
所需積分：0分積分不夠怎么辦？
文檔介紹：目標檢測在遙感領(lǐng)域中具有廣泛的應用前景。盡管目標檢測算法在自然圖像中取得了明顯的進展，但這些方法直接應用于遙感圖像時仍然面臨諸多挑戰(zhàn)。遙感圖像的背景往往比較復雜且物體較小，導致前景與背景信息的分布極為不平衡。針對無人機圖像小目標和物體遮擋的問題，提出了一種基于風車狀卷積（PinwheelConv）改進的無人機小目標檢測算法。為了改進模型對小目標的檢測效果，在骨干網(wǎng)絡(luò)中使用風車狀卷積替換普通卷積來更好地適應小目標提取特征，同時基于風車狀卷積的思想設(shè)計了C2f-PC模塊來替換骨干中的C3k2模塊。為解決無人機圖像中目標遮擋嚴重的問題，創(chuàng)新性地提出了C2f-PDWR模塊來替換頸部網(wǎng)絡(luò)中的C3k2模塊，來增強模型的特征融合能力，同時引入了SEAM（Spatially Enhanced Attention Module）來改善模型對被遮擋物體的檢測效果。最后，基于YOLOv11提出對小目標檢測更加高效的YOLO-PDS模型。其在VisDrone2019數(shù)據(jù)集上所提方法較基準模型YOLOv11檢測方法mAP50提高3.7%以上，召回率提高2.2%以上。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。