Algoritmo de Detección de Objetos YOLOv7 Mejorado Basado en Fotografía Aérea de UAV
Autores: Bai, Zhen; Pei, Xinbiao; Qiao, Zheng; Wu, Guangxin; Bai, Yue
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Algoritmo de Detección de Objetos YOLOv7 Mejorado Basado en Fotografía Aérea de UAV
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Desarrollo rápido
Tecnología de teledetección
Detección de objetivos
Convolución de serpiente dinámica
YOLOv7
Datos de imágenes de UAV
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Con el rápido desarrollo de la tecnología de teledetección, la detección de objetivos de teledetección enfrenta muchos problemas; por ejemplo, aún no hay una buena solución para objetivos pequeños con fondos complejos y características simples. En respuesta a lo anterior, hemos añadido convolución de serpiente dinámica (DSC) a YOLOv7. Además, se utiliza SPPFCSPC en lugar de la estructura original de agrupamiento en pirámide espacial; la función de pérdida original fue reemplazada por la función de pérdida EIoU. Este estudio se evaluó en datos de imágenes de UAV (VisDrone2019), que se compararon con algoritmos de vanguardia, y los experimentos mostraron que este algoritmo tiene una buena precisión promedio. En comparación con el algoritmo original, el mAP0.5 del presente algoritmo se mejora en un 4.3%. Los experimentos demostraron que este algoritmo supera a otros algoritmos.
Descripción
Con el rápido desarrollo de la tecnología de teledetección, la detección de objetivos de teledetección enfrenta muchos problemas; por ejemplo, aún no hay una buena solución para objetivos pequeños con fondos complejos y características simples. En respuesta a lo anterior, hemos añadido convolución de serpiente dinámica (DSC) a YOLOv7. Además, se utiliza SPPFCSPC en lugar de la estructura original de agrupamiento en pirámide espacial; la función de pérdida original fue reemplazada por la función de pérdida EIoU. Este estudio se evaluó en datos de imágenes de UAV (VisDrone2019), que se compararon con algoritmos de vanguardia, y los experimentos mostraron que este algoritmo tiene una buena precisión promedio. En comparación con el algoritmo original, el mAP0.5 del presente algoritmo se mejora en un 4.3%. Los experimentos demostraron que este algoritmo supera a otros algoritmos.