基于YOLOv5的改進小目標檢測算法研究

陳富榮 肖明明

摘? 要：文章針對小目標檢測存在的可利用特征少、定位精度要求高、數(shù)據(jù)集小目標占比少、樣本不均衡和小目標對象聚集等問題，提出將coordinate attention注意力嵌入YOLOv5模型。Coordinate attention注意力機制通過獲取位置感知和方向感知的信息，能使YOLOv5模型更準確地識別和定位感興趣的目標。YOLOv5改進模型采用木虱和VisDrone2019數(shù)據(jù)集開展實驗驗證，實驗結(jié)果表明嵌入coordinate attention能有效提高YOLOv5的算法性能。

關(guān)鍵詞：目標檢測；YOLOv5；coordinate attention；注意力機制

中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）03-0055-07

Research on Improved Algorithm of Small Target Detection Based on YOLOv5

CHEN Furong1， XIAO Mingming2

（1.College of Information Science and Technology， Zhongkai University of Agricultural and Engineering， Guangzhou? 510225， China; 2.College of Information and Communication Engineering， Guangzhou Maritime University， Guangzhou? 510725， China）

Abstract： Aiming at the problems of small target detection， such as few available features， requirement of high positioning accuracy， small proportion of small target in data set， unbalanced samples and small target aggregation， this paper proposes to embed coordinate attention into YOLOv5 model. Coordinated attention mechanism can enable YOLOv5 model to identify and locate interested targets more accurately by obtaining information of location awareness and direction awareness. The improved YOLOv5 model uses psyllid and VisDrone 2019 datasets to carry out experiments to verify， and the experimental results show that embedding coordinate attention can effectively improve the algorithm performance of YOLOv5.

Keywords： target detection; YOLOv5; coordinate attention; attention mechanism

0? 引? 言

隨著人工智能的快速發(fā)展，目標檢測算法同時也獲得迅速發(fā)展。目標檢測是計算機視覺的研究重點，目標檢測在計算機視覺中非常重要。目標檢測算法廣泛應(yīng)用于無人駕駛，醫(yī)療，金融等領(lǐng)域。目標檢測算法有兩個任務(wù)，一是識別出物體的位置，二是對物體進行分類。目標檢測技術(shù)目前還存在較多需要改善之處，其中包含對小目標檢測精確度不高。

小目標檢測有兩種定義，一種是基于相對尺度定義，一種是基于絕對尺度定義。基于相對尺度定義為檢測目標邊框面積與圖像面積之比的中位數(shù)在0.08%～0.58%之間。絕對尺度是在目標絕對像素大小這一方面考慮，當(dāng)前最為通用的是MS COCO數(shù)據(jù)集的定義，MS COCO數(shù)據(jù)集將小目標定義為分辨率小于32像素×32像素的目標。在目標檢測中，小目標檢測是難點。小目標檢測的難點在于小目標可利用特征比較少，對目標的定位精度要求高，位置信息不夠準確，特征的表達不完全等方面。這導(dǎo)致小目標檢測比大目標和中目標檢測更為困難。

1? 國內(nèi)外研究現(xiàn)狀

1.1? 國外研究現(xiàn)狀

Kisantal[1]分析MS COCO數(shù)據(jù)集，以及Mask RCNN在這個數(shù)據(jù)集上的目標識別、分割性能表現(xiàn)，針對小目標圖片少，即使有圖片含有小目標，小目標出現(xiàn)得少的原因，提出在對存在小目標的圖像進行過采樣，以及復(fù)制小目標粘貼到不同位置的方法。Lin[2]提出的FPN結(jié)構(gòu)，可以很好地結(jié)合具有高分辨率的low-level和具有豐富語義的深層網(wǎng)絡(luò)，提高小目標的檢測效果。Noh[3]提出對生成器的訓(xùn)練過程進行直接監(jiān)督和使用空洞卷積匹配訓(xùn)練圖像對的感受野方法，提高特征超分辨網(wǎng)絡(luò)對小目標的超分性能。賈可心[4]提出的海面小目標檢測模型，能夠在壓縮模型的同時，保證模型的檢測速度和檢測精度，達到網(wǎng)絡(luò)輕量化的效果，并且降低了小目標的漏檢率，可以有效實現(xiàn)對海綿小目標的檢測。在DERT小目標檢測困難和收斂過程緩慢的問題，Zhu[5]團隊做出Deformable DETR，讓注意力模塊只注意到參考點附近的少量樣本點，其根據(jù)Deformable convolution的思想對DETR改進。由于基于無錨框和錨框的標簽分配范式將導(dǎo)致許多微小真實樣本遠離檢測范圍，造成檢測器對小物體施加較少的關(guān)注，Xu[6]提出一種基于高斯接感受野的標簽分配（RFLA）策略使用在小目標檢測。Wang[7]提出一種新的度量包圍框相似度的方法，用來取代IoU，解決小目標檢測使用IoU，對于位置變化過于敏感的缺點。Yang[8]提出QueryDet，QueryDet使用粗略位置稀疏引導(dǎo)的高分辨率特征計算檢測結(jié)果，粗略位置由低分辨率特征上預(yù)測小物體得到，這種新穎的查詢機制有效加速基于特征金字塔的目標檢測器的推理速度。

1.2? 國內(nèi)研究現(xiàn)狀

竇其龍[9]針對星載合成孔徑雷達圖像的小目標檢測，提出一種基于YOLOv5的算法。該算法優(yōu)化深度學(xué)習(xí)網(wǎng)絡(luò)，通過自適應(yīng)錨點框算法重新設(shè)置錨點框大小，再嵌入GDAL模塊，提高YOLOv5算法的檢測速度，降低漏檢率。劉閃亮[10]提出注意力特征融合結(jié)構(gòu)并應(yīng)用在YOLOv5s模型上，在特征圖上通過注意力特征融合結(jié)構(gòu)融合更多的小目標信息，并使用更淺的特征層檢測目標，進一步提高原模型對小目標檢測的性能。田楓[11]提出改進YOLOv5的油田場景規(guī)范化著裝檢測方法Cascade-YOLOv5，該算法為搭建yolo-people和yolo-dress級聯(lián)的小目標檢測網(wǎng)絡(luò)，提高油田作業(yè)現(xiàn)場監(jiān)控視頻中工人安全著裝小目標檢測性能。奉志強[12]提出一種基于YOLOv5的無人機實時密集小目標檢測算法，在保證目標檢測實時性的情況下，提高無人機視角下密集小目標的檢測精度。

由于小目標相對大中目標占圖像像素較小，現(xiàn)有算法存在檢測不出小目標問題，使用注意力機制，可使模型提高對小目標的檢測性能。本文為在YOLOv5網(wǎng)絡(luò)中增加CA（coordinate attention）[13]模塊，分析增加CA對YOLOv5算法的檢測性能的影響。

2? 目標檢測算法

2.1? RCNN系列目標檢測算法

RCNN目標檢測算法的出現(xiàn)，使得深度學(xué)習(xí)開始在目標檢測算法發(fā)揮作用。RCNN檢測物體步驟為先在圖像中使用選擇性搜索獲取2 000個候選框，然后將每個候選框輸入神經(jīng)網(wǎng)絡(luò)獲得輸出，然后將2 000×4 096維矩陣輸入SVM分類器，之后使用非極大值抑制去除重復(fù)框再對框進行微調(diào)。但是RCNN存在以下問題，一是經(jīng)過縮放處理后會使一些圖片特征信息丟失，從而降低檢測的準確性，不利于小目標的檢測，二是在訓(xùn)練和預(yù)測中，RCNN的速度都非常慢。

相比于RCNN，F(xiàn)ast RCNN解決RCNN的兩個問題，F(xiàn)ast Rcnn使用一個神經(jīng)網(wǎng)絡(luò)對2 000個候選框進行特征提取并分類和生成邊界框，相比與RCNN的2000和候選框使用2 000個神經(jīng)網(wǎng)絡(luò)，這提高了模型訓(xùn)練的速度。Fast Rcnn將整張圖像輸入卷積神經(jīng)網(wǎng)絡(luò)，然后輸出特征圖，然后使用選擇性搜索算法得到的候選框與特征圖進行映射得到固定長度的特征向量，然后將特征向量輸入一系列的全連接層得到感興趣的特征向量，后續(xù)是通過softmax層進行分類和對邊界框的回歸。Faster Rcnn先將圖片輸入卷積神經(jīng)網(wǎng)絡(luò)，然后輸出特征圖，該特征圖用于RPN層和全連接層共享。特征圖輸入RPN中，RPN中的滑動窗口在特征圖上的每個像素上形成9種anchor，9種anchor又輸出2×9個分類輸出和輸出4×9個邊界框回歸，然后再使用RoI池化層應(yīng)用于這些對象并將這些對象變成固定大小，最后將這些特征向量輸入全連接層得到感興趣的特征向量，然后再將感興趣的特征向量輸入softmax層和線性回歸層進行分類和回歸。Faster不是端到端的模型，所以訓(xùn)練時間相較于端到端模型較慢。

2.2? YOLOv1～v4目標檢測算法

YOLO網(wǎng)絡(luò)是one-stage，其把檢測變?yōu)榛貧w問題，位置和類別是用一個網(wǎng)絡(luò)輸出，實現(xiàn)了流程的統(tǒng)一。YOLOv1檢測流程為將一張多目標圖像輸入并將圖像劃分為多個網(wǎng)格，然后網(wǎng)絡(luò)預(yù)測每個網(wǎng)格中2個預(yù)測框的定位信息和置信度，然后網(wǎng)格的類別預(yù)測信息使用高置信度的預(yù)測框的類別判斷，對于每個類別，預(yù)測框為分類置信度低的先去除，然后重復(fù)的預(yù)測框再通過NMS去除，最后將位置和類別信息輸出。其不足之處為兩個物體相互靠得很近時，或者檢測的物體為很小時，檢測效果不好。YOLOv2在YOLOv1的基礎(chǔ)上使用一些方法提高性能，YOLOv2添加了BN層，使用了高分辨率主干網(wǎng)絡(luò)，使用了anchor box機制，使用全卷積網(wǎng)絡(luò)結(jié)構(gòu)，使用DarkNet19主干網(wǎng)絡(luò)，使用K-means聚類先驗框，使用更高分辨率的特征，使用多尺度訓(xùn)練方式。

YOLOv3使用的特征提取網(wǎng)絡(luò)為Darknet-53，并使用了FPN特征金字塔，F(xiàn)PN將淺層獲取位置信息與深層獲取語義信息進行融合，提高網(wǎng)絡(luò)對小目標檢測的檢測精度，YOLOv3有三個輸出，13×13輸出對大目標的檢測，26×26輸出對中目標的檢測，52×52輸出對小目標的檢測，YOLOv3使用邏輯回歸為每一個邊界框預(yù)測一個分數(shù)。YOLOv4使用了差不多所有的檢測技巧，也提出一些技巧對YOLOv3進行改進，其網(wǎng)絡(luò)結(jié)構(gòu)與傳統(tǒng)的YOLO網(wǎng)絡(luò)結(jié)構(gòu)幾乎相同，在檢測速度和準確度方面有一定提高。

2.3? YOLOv5

YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，分為輸入端、Backbone、Neck、Prediction四部分。

在輸入端使用Mosaic數(shù)據(jù)增強。YOLOv5將自適應(yīng)錨框計算功能嵌入到整個訓(xùn)練代碼中。自適應(yīng)地在每次訓(xùn)練時計算不同訓(xùn)練集的最佳錨框值。YOLOv5使用自適應(yīng)圖像縮放，是一個使其推理速度變快的trick。

在Backbone端，YOLO5使用了Focus結(jié)構(gòu)，在Focus結(jié)構(gòu)中，F(xiàn)ocus處理608×608×3的圖像成304×304×12的特征圖，這在一定情況下提高特征圖的操作。然后32個卷積核再將特征圖變成304×304×32的特征圖。YOLOv5使用了兩種CSP結(jié)構(gòu)，Backbone主干網(wǎng)絡(luò)應(yīng)用CSP1_X，Neck部分使用CSP2_X。CSP1_X是CSPNet變化而來，該模塊由CBL模塊、CONv、Resunit和Concate組成，X是指有X個這樣的模塊。CSP2_X也是由CSPNet網(wǎng)絡(luò)組成，由X個Resunit和CONv組成。YOLOv5使用CSPDarknet作為特征提取網(wǎng)絡(luò)。

在Neck端，采用SPPF結(jié)構(gòu)，在特征提取上為了提高網(wǎng)絡(luò)的感受野使用不同池化核大小的最大池化進行提取。使用FPN+PAN，借鑒了來之18年CVPR的PANet網(wǎng)絡(luò)，F(xiàn)PN將高分辨率的特征圖與低分辨率的特征圖進行融合，自低分辨率特征圖向高分辨率特征圖傳遞強語義信息，PAN將含有強位置信息的高分辨率特征圖和強語義信息的低分辨率特征圖進行融合，自高分辨率特征圖向低分辨率特征圖傳遞強位置信息，通過這樣做來加強網(wǎng)絡(luò)的特征提取能力。

在輸出端，YOLOv5中Bounding box的損失函數(shù)為CIoU_Loss：

（1）

（2）

而YOLOv5的NMS非極大值抑制則采用加權(quán)nms的方式。NMS的實質(zhì)就是尋找局部極大值，將非極大值的元素抑制，非極大值主要用處就是用來消除冗余的檢測框。如果檢測的類別有N個類別，那么就要進行N次執(zhí)行，因為NMS一次只處理一個類別。

3? 基于YOLOv5的改進

目前已提出的注意力機制中，SE Attention[14]是SENet提出的目前最流行的注意力機制。它的通道注意力由2D全局池化來計算，它在很低的成本條件下提高了性能。

但是SE模塊丟失了位置信息，而位置信息對下游的視覺任務(wù)具有非常重要的作用。之后CBAM[15]等方法使用大卷積來利用位置信息是通過減少通道數(shù)來完成，但是局部相關(guān)性只能被卷積局部捕獲，對于對視覺任務(wù)很重要的長程依賴卻很難解決。

在CA中，CA在通道注意力加入位置信息，讓網(wǎng)絡(luò)在大區(qū)域內(nèi)進行注意力操作，同時不用產(chǎn)生大量的計算開銷。為了減少2D全局池化形成的位置信息的丟失，兩個并行的1D特征編碼過程由CA將通道注意力分解而成，位置信息被有效地整合到生成的注意力圖中。因為這種注意力操作能辨別坐標并且生成坐標感知的特征圖，因此這方法稱為坐標注意力。

相比于SE注意力和CBAM注意力，CA存在以下優(yōu)勢，首先，它除了獲取通道的信息，還可以獲取位置感知和方向感知的信息，這能讓模型更精確地識別和定位感興趣目標。然后，CA輕量而且靈活，可以很容易地插入經(jīng)典模塊，像MobileNetV2提出的invertd residual block和MobileNeXt提出sandglass block，是通過增強信息表示的方法來增強特征。最后，作為一個經(jīng)過預(yù)訓(xùn)練的模型，CA在輕量化網(wǎng)絡(luò)的基礎(chǔ)上可以帶來巨大的增益，特別是那些存在密集預(yù)測的任務(wù)。

CA模塊對長程依賴和通道關(guān)系進行編碼是通過精準的位置信息，和SE模塊一樣，分為兩個步驟：坐標注意力生成和坐標信息嵌入，它的具體結(jié)構(gòu)如圖2所示。

CA擁有加強特征表示的能力。它可以將中間張量X=[x1，x2，…，xc]∈RC×H×W作為輸入并輸出Y=[ y1，y2，…，yc]由同樣尺寸和有增強的表示能力的輸出。

首先，在坐標信息嵌入這部分很難保存坐標信息，CA將輸入特征圖進行全局池化，分別在水平和垂直方向進行，這為通道注意力保留了水平和垂直方向上的長距離依賴關(guān)系。因此，第c個通道寬度為w的輸出表述為：

（3）

相應(yīng)的，第c通道高度為h的輸出表述為：

（4）

上面的特征聚合是兩個變換沿著兩個空間方向進行，返回一對包含方向感知的特征圖。這和其他方法由SE模塊產(chǎn)生一個特征向量的方法不同，CA在空間的水平方向和垂直方向上獲取長距離依賴關(guān)系和位置信息，這使神經(jīng)網(wǎng)絡(luò)更精確獲取目標信息。

在經(jīng)過全局池化后，這部分為將這兩個方向上的向量進行拼接然后再進行卷積，然后再進行BN加非線性激活函數(shù)操作：

（5）

經(jīng)過BN加非線性激活函數(shù)后。然后再將特征圖分割開來再進行卷積操作，這里作用為在水平方向和垂直方向上對它進行關(guān)注，再進行sigmoid函數(shù)，這得到：

（6）

（7）

在這里是sigmoid激活函數(shù)。這里減少通道數(shù)經(jīng)常使用適當(dāng)?shù)目s減比，這是為了降低模型的計算開銷和復(fù)雜性。之后attention weight對輸出和進行擴展。最后，CA block的輸出可以寫成：

（8）

CA注意力機制插在YOLOv5的backbone結(jié)構(gòu)之后，圖3為CA插入YOLOv5之后的網(wǎng)絡(luò)結(jié)構(gòu)。

4? 目標檢測評價指標

目標檢測算法中常用的評價指標有：交并比IoU、準確率、召回率和平均準確率mAP等。下面簡要介紹本文使用的幾種評價指標。

（1）精確率：計算在預(yù)測的樣本中，預(yù)測為正樣本的正確率。精確率公式為：

（9）

其中TP表示實例為正類，預(yù)測為正類，F(xiàn)P表示實例為負類，預(yù)測為正類。

（2）召回率：是用來判斷所有要檢測的對象是否都能檢測到。召回率公式為：

（10）

其中FN表示實例是正類，預(yù)測為負類。

（3）平均精度均值：多個類別物體檢測中，每一個類別可根據(jù)精確度和召回率制作一條曲線，AP表示該曲線下的面積，mAP表示多個類別AP的平均值，其值越高，表明模型檢測效果越好。mAP公式為：

（11）

其中Average Precision（c）為一個類c的平均精度，N（classes）表示是數(shù)據(jù)集所有類別的數(shù)量。

5? 數(shù)據(jù)集及環(huán)境配置

5.1? 木虱數(shù)及VisDrone2019數(shù)據(jù)集

木虱導(dǎo)致柑橘產(chǎn)生黃龍病，檢測木虱為預(yù)防黃龍病有重要的作用，本實驗使用木虱數(shù)據(jù)集來訓(xùn)練增加CA的YOLOv5網(wǎng)絡(luò)模型、并使用增加CA的YOLOv5網(wǎng)絡(luò)模型檢測木虱，該工作為預(yù)防黃龍病提供依據(jù)。本數(shù)據(jù)集為廣東廉江紅橙基地采集的木虱圖像數(shù)據(jù)集，本實驗數(shù)據(jù)集共有186張圖片。使用標記軟件LabelImg制作成VOC格式，然后轉(zhuǎn)變成YOLO格式。數(shù)據(jù)集中有一種格式，分別是with_mushi（木虱）。VisDrone2019數(shù)據(jù)集由天津大學(xué)機器學(xué)習(xí)與數(shù)據(jù)挖掘?qū)嶒炇业腁ISKYEYE團隊收集，本實驗使用VisDrone2019-DET-train的336張圖片作為訓(xùn)練集，VisDrone2019-DET-val的112張圖片作為驗證機。VisDrone2019包含10個類別，分別是pedestrain（行人）、people（人）、bicycle（自行車）、car（汽車）、van（廂式貨車）、truck（卡車）、tricycle（三輪車）、awning-tricycle（遮陽三輪車）、bus（公共汽車）、motor（摩托車）。

5.2? 實驗環(huán)境配置

實驗環(huán)境使用了NVIDIA GeForce RTX 3060，顯存類型GDDR6，顯存容量為12 GB，接口類型為PCI Express 4.0 16X，核心頻率為基礎(chǔ)頻率：1 320 MHz，CUDA核心為3 584個，顯存頻率為12 000 MHz。系統(tǒng)使用了Ubuntu20.04，虛擬環(huán)境使用Anaconda 3，IDE環(huán)境使用了PyCharm Community，開源框架使用了PyTorch。Anaconda支持創(chuàng)建了多個虛擬環(huán)境，其中包含180個科學(xué)包。實驗中還使用到多個庫函數(shù)，例如圖像處理的OpenCV庫，矩陣運算的numpy庫，可視化庫Tensorboard，將檢測結(jié)果在圖像上標注出來的matplotlib庫。

6? 實驗結(jié)果

6.1? 對比實驗

下述圖中線條顏色為深藍色且加粗的曲線表示YOLOv5模型在木虱數(shù)據(jù)集上F1值隨置信度值的變化曲線，如圖4所示，當(dāng)置信度值為0.494時達到精確度的峰值0.79，其余曲線依據(jù)顏色分別對應(yīng)圖例中的類別。

圖4至圖9為增加CA注意力機制的YOLOv5算法在木虱數(shù)據(jù)集和VisDrone2019數(shù)據(jù)集上的精確度和召回率的對比，由此組圖可知，增加CA注意力機制的YOLOv5在木虱數(shù)據(jù)集上的F1值相比在VisDrone 2019數(shù)據(jù)集上的F1值高0.63個百分點，在木虱數(shù)據(jù)集上的召回率相比在VisDrone 2019數(shù)據(jù)集上的召回率高0.702個百分點，平均精度均值高0.75個百分點，這說明增加CA注意力機制的YOLOv5算法在小目標的表現(xiàn)上高于中等目標和大目標。

表1為圖4至圖9的實驗結(jié)果總結(jié)，實驗結(jié)果表明增加CA注意力機制的YOLOv5在木虱數(shù)據(jù)集上檢測效果更好。

6.2? 消融實驗

為驗證增加CA的YOLOv5算法的有效性，設(shè)置消融實驗驗證CA改進策略對模型性能的影響，實驗考慮了CA模塊，將CA模塊加入原YOLOv5算法中，在同一條件下，訓(xùn)練300批次，圖10～15為F1值，平均精確均值和召回率的實驗結(jié)果圖。

圖10至圖15分別是YOLOv5和增加CA的YOLOv5的F1值，平均精度均值，召回率的對比，在YOLOv5加入CA注意力后，使模型的F1值下降0.02個百分點，平均精度均值下降0.03個百分點，召回率提高0.01個百分點。召回率的小幅提升表明增加CA注意力之后模型對數(shù)據(jù)集中的小目標漏檢率降低，能提高復(fù)雜場景下目標的檢測率，如被遮擋的物體。

數(shù)據(jù)集的類別為Mushi（木虱），表2為算法中檢測類別為Mushi（木虱）的檢測類別實驗結(jié)果對比。

由實驗結(jié)果對比可知，在檢測木虱類別（Mushi）中，在增加coordinate attention注意力機制后的YOLOv5在F1值下降2%的情況，平均精度均值下降3%的情況下，召回率提高1%，這表明增加CA能提高YOLOv5的檢測性能。

6.3? 檢測結(jié)果

在圖16中，左邊圖為YOLOv5算法檢測出的木虱圖像，右圖像是增加CA注意力機制后YOLOv5算法檢測出的木虱圖像。從圖像檢測木虱結(jié)果上看，增加CA注意力機制后的YOLO5檢測木虱圖像檢測出圖像中右上角和右邊的木虱，而YOLOv5算法沒有檢測出來，這表明增加CA能提高YOLOv5的檢測性能。

通過上述實驗結(jié)果分析可得，增加CA注意力機制對于提高YOLOv5的檢測性能有作用，并且通過對比木虱數(shù)據(jù)集和VisDrone數(shù)據(jù)集可知，增加CA注意力機制在小目標上性能更好。

7? 結(jié)? 論

通過增加CA注意力機制，改進后的YOLOv5算法的精確度、F1值、召回率和平均精確均值都提高，但是改進后的YOLOv5算法對小目標的檢測仍然存在誤檢問題。在未來的研究中，可以從數(shù)據(jù)集中小目標占比少、樣本不均衡、網(wǎng)絡(luò)結(jié)構(gòu)方面研究，通過優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提高數(shù)據(jù)集中小目標占比和增加小目標的訓(xùn)練正樣本來提高YOLOv5目標檢測算法的性能。

參考文獻：

[1] KISANTAL M，WOJNA Z，MURAWSKI J，et al. Augmentation for small object detection [J/OL].arXiv：1902.07296 [cs.CV].（2019-02-19）.https：//arxiv.org/abs/1902.07296v1.

[2] LIN T Y，DOLLAR P，GIRSHICK R. Feature Pyramid Networks for Object Detection [C]//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Honolulu：IEEE，2017：936-944.

[3] NOH J，BAE W，LEE W，et al. Better to Follow，F(xiàn)ollow to Be Better：Towards Precise Supervision of Feature Super-Resolution for Small Object Detection[C]//2019 IEEE/CVF International Conference on Computer Vision （ICCV）.Seoul：IEEE，2019：9724-9733.

[4] 賈可心，馬正華，朱蓉，等.注意力機制改進輕量SSD模型的海面小目標檢測 [J].中國圖象圖形學(xué)報，2022，27（4）：1161-1175.

[5] ZHU X，SU W，LU L，et al. Deformable DETR：Deformable Transformers for End-to-End Object Detection [J/OL].arXiv：2010.04159 [cs.CV].（2020-10-08）.https：//arxiv.org/abs/2010.04159.

[6] XU C，WANG J，YANG W，et al. RFLA：Gaussian Receptive Field Based Label Assignment for Tiny Object Detection [C]//Computer Vision-ECCV 2022.Cham：Springer，2022：526-543.

[7] WANG J，XU C，YANG W，et al. A Normalized Gaussian Wasserstein Distance for Tiny Object Detection [J/OL].arXiv：2110.13389 [cs.CV].（2021-10-26）.https：//arxiv.org/abs/2110.13389v2.

[8] YANG C，HUANG Z，WANG N. QueryDet：Cascaded Sparse Query for Accelerating High-Resolution Small Object Detection [C]//2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.IEEE：New Orleans，2022：13658-13667.

[9] 竇其龍，顏明重，朱大奇.基于YOLO-v5的星載SAR圖像海洋小目標檢測 [J].應(yīng)用科技，2021，48（6）：1-7.

[10] 劉閃亮，吳仁彪，屈景怡，等.基于A-YOLOv5s的機場小目標檢測方法 [J/OL].安全與環(huán)境學(xué)報：1-8[2022-08-01].DOI：10.13637/j.issn.1009-6094.2022.0819.

[11] 田楓，賈昊鵬，劉芳.改進YOLOv5的油田作業(yè)現(xiàn)場安全著裝小目標檢測 [J].計算機系統(tǒng)應(yīng)用，2022，31（3）：159-168.

[12] 奉志強，謝志軍，包正偉，等.基于改進YOLOv5的無人機實時密集小目標檢測算法 [J/OL].航空學(xué)報：1-15[2022-09-01].http：//kns.cnki.net/kcms/detail/11.1929.V.20220509.2316.010.html.

[13] HOU Q，ZHOU D，F(xiàn)ENG J. Coordinate Attention for Efficient Mobile Network Design [C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Nashville：IEEE，2021：13708-13717.

[14] HU J，SHEN L，ALBANIE S，et al. Squeeze-and-Excitation [J].Networks IEEE Transactions on Pattern Analysis and Machine Intelligence，2019，42（8）：2011-2023.

[15] WOO S，PARK J，LEE J，et al. CBAM：Convolutional Block Attention Module[C]//ECCV 2018.Munich：Springer，2018：3-19.

[16] GIRSHICK R. Fast R-CNN [C]//2015 IEEE International Conference on Computer Vision （ICCV）.Santiago：IEEE，2015：1440-1448.

[17] HE K，GKIOXARI G，DOLLAR P，et al. Mask R-CNN [C]//2017 IEEE International Conference on Computer Vision （ICCV）.Venice：IEEE，2017：2980-2988.

[18] BAI Y，ZHANG Y，DING M，et al. SOD-MTGAN：Small Object Detection via Multi-Task Generative Adversarial Network [C]//Computer Vision–ECCV 2018.Munich：Springer，2018：210–226.

[19] LI J，LIANG X，WEI Y，et al. Perceptual Generative Adversarial Networks for Small Object Detection [C]//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Honolulu：IEEE，2017：1951-1959.

[20] CHEN G，CHOI W，YU X，et al. Learning efficient object detection models with knowledge distillation [C]//NIPS'17：Proceedings of the 31st International Conference on Neural Information Processing Systems.Long Beach：Curran Associates Inc.，2017：742-751.

[21] CARION N，MASSA F，SYNNAEVE G，et al. End-to-End Object Detection with Transformers [C]//Computer Vision-ECCV 2020.Cham：Springer，2020：213–229.

[22] LIN T，DOLLAR P，GIRSHICK R，et al. Feature Pyramid Networks for Object Detection [C]//2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.Honolulu：IEEE，2017：936-994.

[23] LUC C，MINH-TAN P，SEBASTIEN L. Small Object Detection in Remote Sensing Images Based on Super-Resolution with Auxiliary Generative Adversarial Networks [J/OL].Remote Sensing，2020，12（19）：3152（2020-08-25）.https：//doi.org/10.3390/rs12193152.

[24] HE K，ZHANG X，REN S，et al. Deep Residual Learning for Image Recognition [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）.Las Vegas：IEEE，2016：770-778.

作者簡介：陳富榮（1995—），男，漢族，碩士研究生在讀，研究方向：計算機視覺；通訊作者：肖明明（1972—），男，漢族，廣東三水人，教授，博士研究生，研究方向：計算機視覺。

收稿日期：2022-10-04