![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于改进YOLOv5的无人机遥感图像检测算法探究.pdf
《基于改进YOLOv5的无人机遥感图像检测算法探究.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv5的无人机遥感图像检测算法探究.pdf(3页珍藏版)》请在咨信网上搜索。
1、中国新技术新产品2024 NO.4(上)-25-高 新 技 术YOLOv5 是一种应用广泛的图像检测算法模型,它能够识别无人机遥感图像中的人、物及环境信息,但该模型的性能存在不足,难以准确识别图像中较小的检测目标。鉴于此,研究过程旨在确定影响算法性能的原因,并进行改进。1 YOLOv5模型在图像检测中的应用1.1 YOLOv5模型基本原理1.1.1 YOLOv1YOLOv4模型发展过程YOLOv5 模型由 YOLOv1YOLOv4 模型发展而来,因此继承了前 4 种算法模型的基本原理。YOLOv1 模型将整个图形作为输入,利用网络将图形划分为若干区域,在此基础上进行预测和归类,从而对特定目标进
2、行检测。区域划分的本质是将图像切割成正方形的格栅,如果在某个格栅中出现物体的影像,就预测其边界框,并计算反映物体是否存在以及物体类别的 Score1。虽然该算法的检测速度较快,但也有一定的局限性,例如难以检测小目标,在每个格栅中只能预测2 个物体。YOLOv2 模型是在 YOLOv1 模型的基础上进行改进的,其 引入了批量归一化处理、Anchor 机制,并且将 YOLOv1 中的原有的网络结构改为 Darknet-19。与 YOLOv1 模型相比,YOLOv2 模型在保持图像目标检测速度不变的情况下,提高了检测精度。YOLOv3 模型以 YOLOv2 模型为基础,改进措施为将Darknet-1
3、9 网络结构升级为 Darknet-53,使模型具备多尺度检测的能力。在图像分类中,将 YOLOv2 的 Softmax(归一化指数函数)更换为逻辑回归方法。与 YOLOv2 模型相比,该算法对图像目标的检测速度和精度均显著提高。YOLOv4 模型在 YOLOv3 模型的基础上对网络结构进行优化,利用 CSPDarknet53 网络替换 Darknet-53 网络结构。YOLOv3 模型的主干网络采用 Relu 激活函数,在 YOLOv4 模型中,改用 Mish 激活函数。与 YOLOv3 模型相比,YOLOv4模型的优点为可进行反向求导,并且提取上下文特征。1.1.2 YOLOv5模型介绍Y
4、OLOv5 模型在 YOLOv4 模型的基础上进行优化,其优势为进一步加快了图像中目标物体的检测速度。YOLOv5 模型由输入端、检测端、颈部和主干网络 4 个部分组成。在输入端,继续使用 YOLOv4 模型的 Mosaic 数据增强,从 4 张不同的图像中各裁剪一部分,再组成一个新图片,实现了单次传入 4 张训练图片。在主干网络方面,YOLOv5 模型将 CSP结构和Focus结构整合在一起,实现切片2。模型提取目标特征的关键是颈部能够产生特征金字塔。为了确保目标检测的精度,在 YOLOv5 模型中引入了损失函数,该函数包括 3 种损失量,分别为分类损失、位置损失和置信度损失,3 种损失的占
5、比分别为 40%、30%、30%。位置损失的计算原理为GIoU(Generalized IoU),该评价标准建立在 IoU(Intersection over Union)的基础上。另外两种损失均采用 BCE loss 损失函数。以 GIoU 计算位置损失为例,相应的计算过程如公式(1)所示。LIoUCBBCGIoUgt?1 (1)式中:B 为预测框,Bgt为实际框;B Bgt为二者的并集;C 为最小矩形区域,并且要求该区域必须包括预测框和真实框;IoU=(B Bgt)/(B Bgt)。1.2 YOLOv5模型在图像检测中的局限性YOLOv5 模型作为一种目标检测技术,在实际应用中存在一定的局
6、限性,主要体现在以下 3 个方面。当被检测目标的特征不明显或者目标物较小时,算法模型的检测精度难以保证,容易出现误检或者漏检。在图像中除了待检测目标外,通常还有较多的背景噪声,受其干扰,算法模型有可能弱化目标的特征信息,该问题在小目标检测中很常见。YOLOv5 模型的网络结构有可能丢失小目标的特征。1.3YOLOv5算法改进1.3.1 调整输入图像大小对于无人机遥感图像,研究人员通过调整输入图像的大小来优化网络。YOLOv5 默认的输入尺寸是 640px640px,但是针对高分辨率的图像,可以尝试使用更大的输入尺寸,如 1024px1024px,以便网络能够更好地捕捉细节信息。在模型训练中,可
7、以调整批量大小以适应更大尺寸的图像。基于改进YOLOv5的无人机遥感图像检测 算法探究刘华清王晗武美辰(辽宁工程技术大学测绘与地理科学学院,辽宁 阜新 123000)摘 要:为了提高 YOLOv5模型对无人机遥感图像的检测性能,本文进行了研究,该模型的主要问题是对小目标的漏检率和误检率较高。通过理论分析,发现其 Anchor 机制具有一定的优化空间,改进策略为使用 NWD 损失函数代替 IoU 损失函数。在性能仿真阶段,对比了4种基准模型的特点,将 YOLOv5s 模型与改进后的模型进行对比,对无人机遥感图像进行检测。结果显示,改进后的 YOLOv5模型在准确度、召回率、多类别平均精确度方面均
8、优于改进前。关键词:YOLOv5;无人机遥感图像检测算法;Anchor 机制改进;网络结构改进中图分类号:TP391文献标志码:A中国新技术新产品2024 NO.4(上)-26-高 新 技 术1.3.2 引入多尺度处理多尺度处理是通过引入不同分辨率的特征图,来处理不同尺寸的目标。可以调整网络的结构以引入或改进特征金字塔网络(FPN)或者类似的结构,以便更好地融合不同尺度的信息。在模型训练过程中,研究人员需要调整特征金字塔网络中各个尺度特征图之间的连接方式和权重,以优化多尺度信息的融合效果。1.3.3 引入注意力机制注意力机制可以帮助网络集中关注重要的区域,对于无人机图像中变化较大,或信息量丰富
9、的区域尤为重要。可以通过引入注意力机制模块,如 SENet 来增强网络对关键区域的感知能力。1.3.4 增加深度或宽度增加网络的深度或宽度,可以有效提高网络的表达能力,但也会增加计算复杂度。可以通过增加残差块的数量或者扩展模型的通道数来调整网络的深度或宽度。在实验中,需要根据性能和计算资源的平衡进行参数调整,可能需要对深度、宽度以及其他层次的参数进行调优。1.3.5 优化损失函数YOLOv5 的损失函数包括目标检测、分类和坐标回归损失。可以对不同部分的权重进行调整,以便更加关注对小目标或远距离目标的检测。此外,根据具体场景和数据集的特点,研究人员需要调整不同损失函数的权重,以平衡不同部分对整体
10、算法性能的影响。2 基于改进 YOLOv5的无人机遥感图像检测算法2.1 Anchor 机制存在的问题YOLOv5 模型作为一种图像检测技术,需要解决小目标检测问题,Anchor 机制是主要的应对策略。该机制根据目标物的尺度及其长宽比来切割相关的图像区域,以此提高模型的学习效率,同时减少框与框间的重叠干扰。但 Anchor 机制本身也存在以下的局限性。1)锚框值取值问题。锚框值包括框的尺度(大小)和长宽比,其取值结果会影响算法的检测精度和效率。YOLOv5 模型利用 K-means 算法确定锚框值,但可能出现局部收敛,导致不能获得全局最优解。2)小目标锚框计算问题。算法模型在训练阶段会生成数量
11、较多的锚框,并且要对锚框进行分类,判断真实框与锚框间的偏差。通过 IoU 计算的标签对锚框进行分类。当被检测目标较小时,会显著影响 IoU 阈值的计算结果,进而干扰标签分配和锚框分类。2.2 Anchor 机制的改进策略IoU 对图像中小目标的位置偏移过于敏感,容易造成算法检测精度不高,因此使用 NWD 损失函数代替 IoU,NWD损失函数有以下应用原理。无人机遥感图像中存在较多的小目标物体,而物体大多具有不规则性,因此在一个标准的边界框内通常包括背景信息和目标物的信息,前者集中在边界上,后者位于边界框的中心。针对边界框建立二维高斯分布,由于目标位于边界框的中心,因此为中心像素设置最高权重,并
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLOv5 无人机 遥感 图像 检测 算法 探究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。