基于改进YOLOv7的无人机航拍图像目标检测

针对无人机捕获场景下目标尺度变化剧烈、小目标检测精度低、漏检率高等问题，提出了一种改进的YOLOv7目标检测算法。首先，在原YOLOv7基础上增加一个极小目标检测层，以适应不同尺度下的物体目标，降低小目标的漏检率；其次，在特征融合网络中引入无参注意力机制，并基于该注意力机制构建了一个MP-SimAM模块，使网络融合更多重要的特征信息；最后，提出了一种新的边框回归损失函数SCIoU Loss,进一步提升模型的收敛速度与检测精度。实验结果表明，该模型在VisDrone 2019数据集上表现出色，所提算法模型在测试集上mAP50达44.0%,相比于基准模型YOLOv7提升了2.6个百分点，对于小目标的检测效果提升明显。