개선된 YOLOv5s 기반 경량 항공 이미지 객체 탐지 알고리즘

요약 YOLOv5는 가장 인기 있는 객체 탐지 알고리즘 중 하나로, 네트워크의 깊이와 너비 조절에 따라 여러 시리즈로 나뉩니다. 모바일 장치나 임베디드 장치의 배치를 실현하기 위해, 본 논문에서는 상대적으로 적은 계산량과 매개변수, 그리고 비교적 빠른 추론 속도를 가진 YOLOv5s의 개선을 기반으로 하는 경량 항공 이미지 객체 탐지 알고리즘(LAI-YOLOv5s)을 제안합니다. 첫째, 작은 물체를 더 잘 탐지하기 위해, 최소 탐지 헤드를 최대 탐지 헤드로 교체하고 심층 특징의 의미 정보를 풍부하게 하기 위해 새로운 특징 융합 방법인 DFM-CPFN(Deep Feature Map Cross Path Fusion Network)을 제안합니다. 둘째, 본 논문에서는 특성 추출 능력을 향상시키기 위해 VoVNet을 기반으로 한 새로운 모듈을 설계합니다. 마지막으로, ShuffleNetV2의 아이디어를 바탕으로 탐지 정확성에 영향을 미치지 않으면서 네트워크를 더 경량화합니다. VisDrone2019 데이터 세트를 기반으로 할 때, LAI-YOLOv5s의 mAP@0.5에서의 탐지 정확도는 원래 알고리즘보다 8.3% 더 높습니다. 다른 YOLOv5 시리즈와 YOLOv3 알고리즘과 비교할 때, LAI-YOLOv5s는 낮은 계산 비용과 높은 탐지 정확도의 장점을 가지고 있습니다.