计算机工程与科学

作者：江志鹏, 王自全, 张永生, 于英, 程彬彬, 赵龙海, 张梦唯

单位：（1.战略支援部队信息工程大学地理空间信息学院,河南 郑州 450001；2.32016部队，甘肃 兰州 730000）

关键词：Deformable DETR,目标检测,跨尺度特征融合模块,object query挤压-激励,在线难样本挖掘,

基金：国家自然科学基金(42071340)

针对无人机视频流检测中小目标数量多、因图像传输质量较低而导致的上下文语义信息不充分、传统算法融合特征推理速度慢、数据集类别样本不均衡导致的训练效果差等问题，提出一种基于改进Deformable DETR的无人机视频流车辆目标检测算法。在模型结构方面，该算法设计了跨尺度特征融合模块以增大感受野，提升小目标检测能力，并采用针对object_query的挤压-激励模块提升关键目标的响应值，减少重要目标的漏检与错检率；在数据处理方面，使用了在线困难样本挖掘技术，改善数据集中类别样本分布不均的问题。在UAVDT数据集上进行了实验，实验结果表明，改进后的算法相较于基线算法在平均检测精度上提升了1.5%，在小目标检测精度上提升了0.8%，并在保持参数量较少增长的情况下，维持了原有的检测速度。

来源：2024年第1期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第1期