典型文献
基于目标检测模型的无人机影像识别技术
文献摘要：
YOLOv5具有较高的目标检测速度和检测精度,但在无人机影像小目标检测方面效果不太好.为解决在自然环境情况下小目标检测精度低及鲁棒性差等问题,本文以自然环境情况下无人机影像为研究对象,提出了一种改进的YOLOv5小目标检测模型.通过对特征图增加上采样处理,使特征图继续扩大,从而降低采样率和缩小感受野,提高模型对小目标的检测能力.改进的模型在天大无人机影像VisDrone数据集上进行了训练和测试.实验结果表明,改进YOLOv5的算法平均精度值为46.4％,与原YOLOv5模型相比,平均精度值提升了14.9％,改进YOLOv5在一定程度上改善了YOLOv5无人机影像识别率.
文献关键词：
YOLOv5;无人机影像;上采样;改进算法;平均精度值
中图分类号：
作者姓名：
孙盼盼;丁学文;常黎玫;蔡鑫楠;董国军
作者机构：
天津职业技术师范大学 电子工程学院,天津300222;天津云智通科技有限公司,天津300350;天津市高速铁路无线通信企业重点实验室,天津300350
文献出处：
引用格式：
[1]孙盼盼;丁学文;常黎玫;蔡鑫楠;董国军-.基于目标检测模型的无人机影像识别技术)[J].智能计算机与应用,2022(12):70-74
A类：
B类：
目标检测模型,无人机影像,影像识别,YOLOv5,检测速度,检测精度,小目标检测,不太好,特征图,上采样,低采样,采样率,感受野,检测能力,天大,VisDrone,平均精度值,识别率,改进算法
AB值：
0.275202
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
