基于改进YOLOv5的机场目标检测方法

摘要

针对机场复杂场景监视能力差的问题,提出了一种基于改进YOLOv5的机场场面目标检测方法。首先,在模型上以跨特征的CSPDarknet作为主干特征提取网络,能大幅减少模型参数量,同时,加入Focal loss以缓解正负样本不平衡的状况,加入ECA注意力机制以加强特征间联系。其次,在数据集上采用CycleGAN进行夜间场景的风格迁移,以提升复杂背景下的检测能力。再次,在训练策略上采用mosaic数据增强,标签平滑正则,余弦退火学习率下降,并以Adam作为优化器加速模型收敛。最后,结合改进后的航空遥感数据集进行实例验证,结果表明,所提算法的MAP值较原YOLOv5s提高了2.79%,其中精确率提高了2.55%,召回率提高了0.49%,检测速度和模型参数量变化不大。