一种基于深度学习的无人机平台下多运动目标识别方法
李珣1
张倩飞2
刘欣3
陈伟重1
周慧龙2
1.西安工程大学电子信息学院,西安,710048;陕西省人工智能联合实验室西安工程大学分部,西安,7102.西安工程大学电子信息学院,西安,7100483.空军工程大学信息与导航学院,西安,710077
摘要：针对无人机平台下车辆目标检测存在的尺度差异大、密集分布不规律和类别不平衡导致的模型规模及精度受限问题,提出一种基于YOLOv7改进的YOLO-QYF车辆目标识别方法.引入QARepVGG模块替换基准模型中运算量较大的扩展高效层聚合网络模块,在保证模型性能的同时缩减模型参数.使用内容感知特征重组模块有效减少特征图传递过程中信息丢失,同时添加坐标注意力机制增强对感兴趣目标的定位能力.最后,引入WIoU损失函数解决样本不平衡问题,提高模型泛化能力.实验表明,该方法在自由流、同步流和阻塞流3种交通流情况下,平均精度分别达到96.4％、95.6％、94.5％,相比基准模型分别提高2.0％、1.6％、3.4％,帧速率分别为81.62、78.13、76.34;在VisDrone2021数据集该方法的平均精度达到了60.6％,相比基准模型提高了1.4％.
关键词：无人机车辆识别YOLOv7QARepVGG内容感知特征重组坐标注意力
分类号：TP391.4(计算技术、计算机技术)V279(各类型航空器)
资助基金：国家自然科学基金(62403368)
论文发表日期：2025-12-25
在线出版日期：2025-12-26（本平台首次上网日期，不代表文献的发表时间）
页数：11( 85-95 )
英文信息