基于深度学习的无人机航拍目标检测算法研究.pdf

哈尔滨理工大学电子信息硕士学位论文

基于深度学习的无人机航拍目标检测算法研究

摘要

随着无人机在计算机视觉应用中的普及，尤其在安防、智慧城市、遥感和

农业等领域，无人机航拍目标检测重要性日益凸显。然而，在航拍图像目标检

测领域，目前主流检测算法在真实复杂航拍图像数据背景下，存在精确度低、

误检率高等问题，因此本文提出一种基于改进YOLOv7的航拍目标检测模

型。首先，引入了融合浅层特征信息的策略，并结合网络剪枝技术优化算法结

构，显著增强了模型对小目标的识别能力，并且检测速度也得到了提升。其

次，将双层路由注意力机制（Bi-levelRoutingAttention,BRA）引入到模型中，

有助于提升网络对小目标的关注度，从而提高整个算法的运行效果。在此基础

上，提出了一种二进制K-means锚框聚类算法，对数据集进行重新聚类来提高

模型的鲁棒性和检测精度。本文通过融合权重将归一化的Wasserstein距离

(NormalizedGaussianWassersteinDistance,NWD)，与CIoU相融合，提出新型

损失函数来缓解小目标对位置偏差的敏感性，最后通过实验验证了本文算法能

有效提高模型的检测精度和检测速度。

针对移动设备对算法轻量化的需求，本文首先，采用轻量级网络

ShuffleNetv2改进YOLOv7的骨干网络，减少模型参数量和计算量；其次，

采用深度可分离卷积改进ELAN模块和MPConv模块，构建出兼顾精度和速

度的轻量化网络YOLOv7-PBiKlight。最后通过实验证明了本文方法针对航拍

目标检测的难点提出的改进策略，有效的解决了航拍目标检测精度不高、实时

性效果差的难点，与其它算法相比，改进后的算法在检测精度和处理速度上均

显示出了明显的优势，充分展现了其在航拍图像目标检测领域的应用潜力和优

越性。

关键词航拍图像；VisDrone；目标检测；YOLOv7；模型轻量化

-I-

哈尔滨理工大学电子信息硕士学位论文

ResearchonAerialTargetDetectionAlgorithms

BasedonDeepLearning

Abstract

Asunmannedaerialvehicles(UAVs)gaintractionincomputervision

applications,particularlyinsectorslikesecurity,smartcities,remotesensing,and

agriculture,thesignificanceofUAV-basedobjectdetectionisbecomingmore

pronounced.Existingchallengesinaerialimageobjectdetectionincludelow

precisionandhighfalsepositiveratesincomplexreal-worldimagery.Toaddress

theseissues,thisstudyintroducesanenhancedobjectdetectionmodelutilizingan

advancedversionofYOLOv7.Themodelincorporatesshallowfeaturefusionand

networkpruningtechniques,substantiallyimprovingitscapabilitytodetectsma