原文传递
无人机高空航拍视角下小尺度车辆精确检测方法
| 题名： | 无人机高空航拍视角下小尺度车辆精确检测方法 |
| 作者： | 张河山 1,2 谭鑫 1 范梦伟 1 潘存书 1 徐进 1,2 张羽 3 |
| 作者单位： | 1. 重庆交通大学,交通运输学院2. 重庆交通大学,山区复杂道路环境“人-车-路”协同与安全重庆市重点实验室3. 重庆交通大学,经济管理学院 |
| 关键词： | 智能交通;小尺度车辆检测;YOLOX;无人机;注意力机制;浅层特征提取网络; |
| 摘要： | 无人机高空航拍图像中车辆像素占比极低，目标可视化信息较少，在目标检测任务中容易漏检和误检。因此，本文提出一种基于改进YOLOX(You Only Look Once X)的无人机高空航拍视角下小尺度车辆精确检测方法。首先，为增强网络对低级特征的提取能力，在原始YOLOX预测头部增加一个160 pixel×160 pixel的浅层特征提取网络；其次，在骨干网络后端嵌入基于归一化的注意力机制模块(Normalization-based Attention Module, NAM)，以抑制冗余的非显著特征表达；最后，为了增大小尺度车辆的相对像素比，提升网络捕捉有效特征信息的能力，提出一种基于滑动窗口的图像切分检测方法。试验结果表明，改进YOLOX网络表现出良好的检测效能，检测精度达到了84.58%，优于典型的目标检测网络Faster R-CNN(79.95%)、YOLOv3(83.69%)、YOLOv5(84.31%)及YOLOX(83.10%)。此外，改进YOLOX能够有效解决无人机高空航拍图像中小尺度车辆的漏检和误检问题，且预测框更贴合车辆的实际轮廓；同时，在不同航拍高度的目标检测任务中具有较高的鲁棒性。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版日期： | 202405 |
| 出版年： | 2024 |
| 期： | 11 |
检索历史
应用推荐
