摘要
近年来，随着无人机技术的不断发展，无人机航拍技术在农业、地质勘探、城市规划等领域得到了广泛应用。在这些应用场景中，无人机航拍图像的目标检测是非常重要的任务，对于实现无人机的自主飞行和目标跟踪都具有关键意义。 基于SSD的目标检测算法是一种先进的图像目标检测算法，它具有实时性能和高准确性,因此也被广泛应用于无人机航拍图像的目标检测任务。然而，在无人机航拍图像的任务中，图像质量不高、目标大小不确定、目标数量较多等因素都会对检测算法的效果产生影响,因此需要针对这些特殊情况进行算法的优化和改进。 本文针对无人机航拍图像目标检测任务的特殊性质，分别引入Mosaic数据增强方法、提出双主干网络结构并加入特征金字塔模型、引入排斥损失函数来提高目标检测精度。 （1）针对数据集中存在的类别不平衡和背景噪声问题，引入了Mosaic数据增强方法。该方法将多个图像拼接在一起作为网络的输入，以增强数据的多样性和鲁棒性。相对于传统的数据增强方法，该方法提高了检测算法的鲁棒性和准确性。 （2）针对图像中目标大小不确定，小目标检测精度不高的问题,提出了一种双主干网络结构，并加入了特征金字塔模型。在该网络结构中，两个不同的主干网络分别用于提取高级和低级特征，通过特征金字塔模型将这些特征融合在一起，以适应不同大小的目标。通过实验验证，算法检测精度有所提高。 （3）针对目标间相互遮挡的问题，引入了排斥损失函数。该损失函数通过引入排斥项，能够有效地减少目标之间的相互干扰，提高了检测算法的稳定性和可靠性。 实验结果表明，本文提出的算法在无人机航拍图像目标检测任务中取得了良好的性能，相对于传统算法提高了5％以上的准确率。提升了算法性能，为无人机航拍图像目标检测领域的研究提供了一些新的思路和方法。
NETL