基于YOLOX-drone的反无人机系统抗遮挡目标检测算法

为解决现实场景下无人机目标被部分遮挡,导致不易检测问题,本文提出了基于YOLOX-S改进的反无人机系统目标检测算法YOLOX-drone.首先,建立无人机图像数据集;其次,搭建YOLOX-S目标检测网络,在此基础上引入坐标注意力机制,来增强无人机的目标图像显著度,突出有用特征抑制无用特征;然后,再去除特征融合层中自下而上的路径增强结构,减少网络复杂度,并设计了自适应特征融合网络结构,增强有用特征的表达能力,抑制干扰,提升检测精度.在DUT-Anti-UAV数据集上的测试结果表明:YOLOX-drone与YOLOX-S、YOLOv5-S和YOLOX-tiny相比,平均准确率(IoU=0.5)提升了3.2％、4.7％和10.1％;在自建的无人机图像数据集上的测试结果表明:YOLOX-drone与原YOLOX-S目标检测模型相比,在无遮挡、一般遮挡、严重遮挡情况下,平均准确率(IoU=0.5)分别提高了2.4％、2.1％和6.4％,验证了改进的算法具有良好的抗遮挡检测能力.