随着无人机的应用领域越来越广泛,无人机拍摄下的目标检测的应用场景也将渐渐普及,作为目标检测领域的一个重要分支,探究在无人机拍摄下的目标检测算法将成为新的研究热点。本文主要是对无人机拍摄下目标检测算法进行研究与改进,主要的研究内容分为以下五点:第一、针对无人机拍摄下的目标检测方法,本文将传统目标检测方法与一般的深度学习方法进行对比分析,做了一些对比实验。同时对传统方法中的Hog特征检测进行改进,通过将原图分解为多通道分别求取Hog特征,最后通过加权融合形成新的融合特征进行检测,并与其他方法的检测结果做了对比。第二、由于无人机数据集不多,有丰富的目标与标注的一般数据集更加稀少,导致不同类间数据极度不平衡。针对该问题,本文做了相关的数据集扩张,使得较少的样本数量得到了适当的扩充,并通过在损失函数中加入平衡因子来进一步消除不同类间的数量不平衡所造成的影响。第三、对特征金字塔使用多级特征融合的方式进行改进。由于无人机拍摄下的目标图片,往往存在尺度变化较大的情况,而且分布较为均匀,需要对较小目标与较大目标进行检测,所以需要将图像的浅层特征与深层特征进行结合。本文主要是通过将特征图的跨层特征进行融合,之后再融合特征金字塔的上采样部分。第四、改进上采样方式。在特征融合过程中,上采样是重中之重的一个环节,是实现特征融合的基础,本文对双线性插值、反卷积、像素重排以及混合采样方式做了对比实验,最后使用反卷积加像素重排的方式替换了原来的双线性插值方法。第五、引入注意力机制。本文主要是通过在特征金字塔中引入掩膜方式,同时结合基础的SE结构,将注意力机制引入到特征金字塔的七层输出特征图中,并赋予各层不同的权重,之后再去实现多级特征融合。