摘要:針對目前主流的目標檢測算法在真實(shí)航拍戰場(chǎng)數據背景下識別精度低,誤檢率與漏檢率高等問(wèn)題,對Yolo目標識別算法進(jìn)行了研究,提出一種基于改進(jìn)Yolov5n的輕量化航拍軍事目標檢測模型;首先,采用ECA注意力機制與主干網(wǎng)絡(luò )C3模塊融合,以解決航拍圖像背景復雜且存在相似目標干擾問(wèn)題;其次,引入歸一化高斯瓦薩斯坦距離(NWD)代替CIoU損失函數,提高對模糊小目標的檢測識別;最后,采用GSConv輕量化卷積代替標準卷積,減輕模型重量;經(jīng)過(guò)實(shí)驗測試,改進(jìn)后的算法模型平均檢測精度達到81.5%,提升0.9個(gè)百分點(diǎn),模型大小為3.4MB,減輕0.4MB,識別速度為每秒113幀;實(shí)驗結果表明該模型在輕量化的同時(shí)保持著(zhù)高精度的航拍軍事目標檢測;