下采样过程会造成特征损失.在基于卷积神经网络(Convolutional Neural Network, CNN)的网络结构中, 池化操作进一步减少信息内容, 多次降低特征图的尺寸, 这并不适用于航拍图像检测^[29].较大的目标通常具有更丰富的纹理和形状特征, 因此正常的特征损失对于检测结果的影响较小.然而, 小目标包含的特征相对较少, 当使用最大池化和平均池化等下采样操作将核大小区域内的特征融合时, “ 最大” 和“ 平均” 的操作已造成部分像素点特征的损失.同时, 这些下采样的跨步操作还会跳过一些像素点, 从而丢失一部分输入特征的空间信息^[30].

相比最大池化或平均池化, SDR保留所有像素点的特征, 是一种可减少航拍图像中小目标特征损失的下采样方法.SDR采用隔行采样的思想, 宽和长按照自定义的间隔n进行采样, 即宽和长所在的两个维度分别从第1个像素和第n个像素开始间隔采样, 分别得到4种采样结果后沿通道方向拼接.

图2展示间隔为2的SDR的下采样过程, 长宽为8× 8的数据会被下采样为4× 4, 同时通道数会变为原来的4倍, 即形状为(3, 8, 8)的数据通过隔行采样后拼接为(12, 4, 4)的数据, 随后利用1× 1卷积减少通道数, 使通道数由12恢复为3, 最终SDR将得到形状为(3, 4, 4)的数据.具体4个采样结果如下所示:

$\begin{array}{l} \boldsymbol{S}_{1}=I[:, 0:: n, 0:: n], \\ \boldsymbol{S}_{2}=I[:, 0:: n, 1:: n], \\ \boldsymbol{S}_{3}=I[:, 1:: n, 0:: n], \\ \boldsymbol{S}_{4}=I[:, 1:: n, 1:: n] . \end{array}$

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 SDR的采样过程示例Fig.2 Sampling process of SDR

拼接为新的张量:

S=concat(S₁, S₂, S₃, S₄, axis=0).

而卷积操作Conv使通道数恢复为C, 即

R=Conv_{1× 1}(S).

航拍图像覆盖范围广, 引入的大量无关背景会影响检测效果.为了在航拍图像中更准确区别复杂背景与目标, 结合条带卷积与可变形卷积, 提出ASDC.ASDC集成多个分支的条带卷积, 自适应捕获目标的多尺度上下文信息, 从而有效集中模型对目标特征的关注, 明确区分背景和目标^[31].同时, 考虑到航拍图像的目标可能以不同角度或姿态出现, 加入可变形卷积, 更好地捕捉这些变化, 减少噪声的影响.

ASDC增强网络对目标形状的适应性和局部信息聚合能力, 并在一定程度上缓解SDR下采样后带来的空间失真问题.ASDC结构如图3所示, 主要包含3部分.首先, 一层3× 3可变形卷积用于精确适配目标的几何形状, 提取细微的局部特征.然后, 策略性地部署一组三种不同尺寸的条带卷积, 捕获多尺度的上下文信息, 这些条带卷积通过不同大小的感受野, 保证对周围环境信息的全面理解.最后, 利用1× 1卷积的输出作为一个动态权重, 即注意力机制, 优先处理那些对模型判断最关键的特征.注意力加权后的特征与ASDC输入的原始特征融合, 最终产生一个信息丰富的特征表示.

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 ASDC结构图Fig.3 Structure of ASDC

相比普通卷积, ASDC中3× 3可变形卷积的采样位置更符合物体本身的形状和尺寸.因为可变形卷积在标准卷积的基础上为每个点引入一个偏移量, 偏移量由输入的特征图与另一个卷积生成, 输出特征图在位置p₀的值:

$y\left(p_{0}\right)=\sum_{p_{n} \in \mathbf{R}} w\left(p_{n}\right) x\left(p_{0}+p_{n}+\Delta p_{n}\right) $,

其中, p_n表示预定义卷积核位置的集合R(如3× 3卷积核的集合)上的n个点, w(p_n)表示卷积核在位置p_n的权重, x(p₀+p_n)表示输入特征图在位置p₀+p_n的值, 即标准卷积中的项, Δ p_n表示学到的偏移量, 使卷积核可以自适应地变形.

对比图3的标准卷积和可变形卷积可清楚看到, 可变形卷积的采样位置更好地适应物体形状和尺寸, 而标准卷积无法做到这一点.特别是在可变形卷积的顶层特征图中, 模型学到的特征点对物体的整体特征较敏感.因此相比原始卷积, 可变形卷积能更有效消除背景噪声的干扰, 提取有用信息.

ASDC中另一个重要组成部分是条带卷积组.设计条带卷积组有两个原因.1)高效性.类似于1× N和N× 1的成对条带卷积组能有效模拟N× N卷积, 却更高效.2)航拍图像存在长而窄的条状物体, 如建筑物、飞机、轿车, 1× N的条带卷积适合提取这种细长的形状特征.考虑到航拍图像中目标尺寸小且常密集出现的特点, 如果融合的上下文信息区域过大, 该区域可能包含不同类别的其它目标, 导致错误融合其它检测目标的特征信息, 影响检测, 如果融合的上下文信息区域过小, 则不能较好融合有效信息.ASDC输出为:

$\text { Out }=\left(\operatorname{Conv}_{1 \times 1}\left(\sum_{i=1}^{3} \operatorname{Attention}_{i}\left(\operatorname{Conv}_{5 \times 5}(\boldsymbol{F})\right)\right)\right) \otimes \boldsymbol{F}$,

其中, F表示输入的特征矩阵, Con vN×N(· )表示卷积核大小为N× N的卷积,

F'=Conv_{3× 3}(F),

表示特征F经过3× 3的可变形卷积后的结果,

$\begin{array}{l} \text { Attention }_{1}=\operatorname{Conv}_{3 \times 1}\left(\operatorname{Conv}_{1 \times 3}\left(\boldsymbol{F}^{\prime}\right)\right), \\ \text { Attention }_{2}=\operatorname{Conv}_{9 \times 1}\left(\operatorname{Conv}_{1 \times 9}\left(\boldsymbol{F}^{\prime}\right)\right) \\ \text { Attention }_{3}=\operatorname{Conv}_{15 \times 1}\left(\operatorname{Conv}_{1 \times 15}\left(\boldsymbol{F}^{\prime}\right)\right) \end{array}$,

表示3条不同的注意力分支.

为了专注于目标区域, 防止金字塔的多尺度特征图捕捉背景中的干扰信息, 将可变形卷积加入金字塔池化结构中, 具体如图4所示.

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 SPPF与DSPPF的结构图Fig.4 Structures of SPPF and DSPPF

DSPPF将SPPF(Spatial Pyramid Pooling Fast)中卷积+批量归一化层+Sigmoid线性单元模块中的卷积替换为可变形卷积, 同时为了缓解加入可变形卷积带来的额外计算开销, 将SPPF中的激活函数由SiLU更换为ReLU, 即修改为可变形卷积+批量归一化层+修正线性单元.因为ReLU函数的计算简单, 只需要进行一个阈值比较操作, 而SiLU函数却涉及指数运算, 计算量较大.这使得ReLU函数在计算速度上更快, 在深层网络中尤为明显, 可显著提高整体的推理速度.此外, DSPPF中的所有最大池化也被替换为SDR.

检测头是目标检测模型的关键组成部分, 负责从提取的特征图中预测目标的位置、类别和其它相关属性.然而耦合的检测头效率较低, 并不适用于对效率有较高需求的航拍图像检测任务.耦合检测头的结构如图5所示.在YOLOv5包括其以前的版本中采用的都是耦合检测头, 即同时进行回归与分类任务.然而, 分类和回归任务的特征表示和信息需求可能不同.分类任务通常关注物体的类别特征, 回归任务关注物体的位置、大小等特征.同时进行分类和回归任务时, 模型在优化过程中需要同时平衡不同任务的权重, 导致检测精度下降, 最终效果不如单独处理每个任务时的效果.

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 耦合检测头结构图Fig.5 Structure of coupled detection head

因此, 受到YOLOX^[32]和TPH-YOLOv5^[33]的启发, 本文认为解耦检测头更适合航拍图像检测任务.解耦头通过将回归和分类任务分离处理, 让DR-ENet分别学习和优化不同的任务, 达到更好的检测效果.解耦检测头的结构如图6所示.DR-ENet首先使用一个3× 3卷积扩大感受野并增强网络的非线性表达能力.然后分成两个独立的分支:一个分支专门处理分类任务, 另一个分支负责回归和计算置信度.每个分支都集成卷积注意力模块(Convolution Block Attention Module, CBAM), 旨在通过空间注意力机制和通道注意力机制强化任务相关的特征.由于回归分支和置信度分支这两个任务具有内在关联, 因此共享从CBAM获得的特征表示, 可有效节省计算资源.

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 ADH结构图Fig.6 Structure of ADH

本文在3个公开航拍数据集和构建的PORT数据集上进行实验.

公开数据集包括AI-TOD^[34]、VisDrone-DET-2019^[35]、RSOD^[36].AI-TOD数据集是2021年发布的航拍图像微小目标检测数据集, 相比现有航拍图像中的目标检测数据集, AI-TOD数据集上目标平均大小约为 12.8 像素, 远小于其它数据集.VisDrone-DET2019数据集是天津大学在不同场景、天气和光照条件下利用无人机摄像头获取的数据集, 覆盖范围广泛, 检测目标丰富.RSOD数据集是公开的遥感图像数据集, 包括飞机、油箱、游乐场和立交桥四类检测目标.

PORT数据集搜集于Google Earth中世界各大港口的航拍图像.港口是大量船只的停泊地, 同时也是油箱、轮船和停车场等要素的聚集地.这些地方符合复杂背景与密集小目标的双重特征, 因此精心搜集挑选来自荷兰鹿特丹港、巴基斯坦卡拉奇港、迪拜港等著名港口的实况图像组成PORT数据集.PORT数据集包含150幅经过精心标注的图像, 图像尺寸为585× 585, 每幅图像中标注的目标个数均超过百个.目前PORT数据集由于数据规模相对较小, 因此仅用作验证集.

所有网络都在一块显存为24 GB的NVDIA RTX 3090 GPU上完成训练, 并在没有预训练权重的情况下训练100个迭代周期.在AITOD、VisDrone-DET2019数据集上训练时, 每幅图像平均分割为4个不重叠的块, 并采用YOLOv5中默认的数据增强技术.

训练统一使用随机梯度下降(Stochastic Gra-dient Descent, SGD)优化器, 动量为 0.937, 权重衰减为 0.000 5.在最初的3个模型预热(Warm-up)中, 学习率从 0.0034 线性升至0.01, 然后使用余弦衰减策略逐渐降至0.001.

实验中采取的评价指标及其含义如下:AP_50-90表示以5%的步长将交并比(Intersection over Union, IoU)从50%取到95%, 在这些IoU下求得的平均准确率(Average Precision, AP).mAP_50-90 表示所有检测类别求得的AP_50-90 的均值.mAP₅₀和mAP₇₅表示IoU分别为5%和7.5%时所有类别的AP均值.

AP_vt、AP_t 、AP_s和AP_m分别表示AI-TOD数据集上定义的非常小的目标(2~8像素)、微小目标(8~16像素)、小目标(16~32像素)和中目标(32~64像素)的AP值.

本文选择如下对比网络:RetinaNet^[3]、Faster R-CNN(Faster Region Convolutional Neural Network)^[7]、 CentripetalNet^[12]、FCOS(Fully Convolutional One-Stage Object Detector)^[14]、Cascade R-CNN^[37]、Effi-cientRep^[38]、LSKNet(Large Selective Kernel Net-work)^[39]、Detecto-RS^[40]、ATSS(Adaptive Training Sample Selection)^[41]、RepViT^[42].

各网络在AI-TOD数据集上的指标值对比如表1所示, 表中黑体数字表示最优值.由表可看出, DR-ENet采用SDR下采样, 再由ASDC进行基于形状的上下文信息融合后, 对不同尺度目标的检测结果都有提升, 帧率也达到最高值.

表1

Table 1

表1(Table 1)

表1 各网络在AI-TOD数据集上的检测结果 Table 1 Detection results of different networks on AI-TOD dataset 网络 mAP50-90/% mAP50/% mAP75/% APvt/% APt/% APs/% APm/% 帧率/帧/秒 Cascade R-CNN 9.0 20.9 10.1 0.0 6.7 20.6 41.3 38 EfficientRep 18.1 38.9 13.9 8.3 12.3 30.6 41.5 34 LSKNet 21.2 43.4 17.7 10.0 15.6 30.3 53.9 66 DetectoRS 15.0 32.6 12.1 0.1 10.6 28.9 40.0 41 CentripetalNet 23.9 47.5 21.7 11.3 18.3 35.6 51.2 55 DR-ENet 25.3 50.1 23.9 14.5 19.7 39.6 54.3 67

表1 各网络在AI-TOD数据集上的检测结果 Table 1 Detection results of different networks on AI-TOD dataset

各网络在VisDrone-DET2019数据集上的性能对比结果如表2所示, 表中黑体数字表示最优值, 对比网络都使用ResNet50主干网络.由表可见, 相比对比网络, DR-ENet展现出卓越的检测性能, 这种优势在极小尺寸目标的检测上尤为明显.这一进步归功于SDR技术, 有效保留航拍图像中小型目标的细节.同时, ASDC结合目标形状及其上下文信息, 大幅增强网络对小型目标的检测能力.

表2

Table 2

表2(Table 2)

表2 各网络在VisDrone-DET2019数据集上的检测结果 Table 2 Detection results of different networks on VisDrone-DET2019 dataset 网络 mAP50-90/% mAP50/% mAP75/% APvt/% APt/% APs/% 帧率/帧/秒 FCOS 14.6 27.5 14.0 0.3 2.7 9.2 26 DetectoRS 15.0 32.6 12.1 0.1 10.6 28.9 39 RetinaNet 18.5 30.5 19.4 0.8 2.9 12.7 19 ATSS 22.1 36.2 23.2 1.1 6.1 18.1 16 LSKNet 25.1 43.6 25.1 7.9 6.9 25.2 64 EfficientRep 25.7 43.7 25.8 7.3 7.6 25.9 30 DR-ENet 25.8 44.1 26.7 8.7 17.8 29.7 64

表2 各网络在VisDrone-DET2019数据集上的检测结果 Table 2 Detection results of different networks on VisDrone-DET2019 dataset

各网络在RSOD数据集上的性能对比结果如表3所示, 表中黑体数字表示最优值.RSOD数据集涵盖4个类别:飞机、油箱、立交桥、操场.由表可见, DR-ENet表现最佳, 尤其在检测飞机、油箱这两类目标上, 性能尤为突出, 帧率达到最佳, 同时满足精度与效率的双项需求.然而, 在检测操场、立交桥目标时, 表现稍显不足, 分析认为有两个主要原因.1)RSOD数据集上存在数据不平衡现象, 导致飞机和油箱的样本数量远多于操场和立交桥的样本数量.2)飞机和油箱与操场和立交桥在视觉特征上存在差异.飞机和油箱通常具有明显的几何形状和纹理特征, 而操场和立交桥可能更复杂且多样化, 因此下一步的重点改进方向是网络在类别不平衡且无明显形状特征的目标上的检测能力.

表3

Table 3

表3(Table 3)

表3 各网络在RSOD数据集上的检测结果 Table 3 Detection results of different networks on RSOD dataset 网络 AP50/% mAP50 /% 帧率 /帧/秒 飞机 油箱 立交桥 操场 Faster R-CNN 85.85 86.67 88.15 90.35 87.76 8 LSKNet 92.99 98.69 88.21 100 91.47 66 RepViT 95.3 98.11 88.90 95.16 94.37 69 DR-ENet 98.20 99.67 89.30 96.01 95.58 72

表3 各网络在RSOD数据集上的检测结果 Table 3 Detection results of different networks on RSOD dataset

为了展示网络的泛化性, 利用在AI-TOD数据集上训练好的网络, 在PORT数据集上进行检测.AI-TOD数据集和PORT数据集标注的目标类别相似, 因此可有效评估网络的泛化效果.LSKNet、Effi-cient-Rep、DR-ENet在同幅图像上的检测结果如图7所示.由图可见, DR-ENet的AP值比LSK和Effici-ent-Rep分别提高7.62%和4.76%, 这充分说明DR-ENet在泛化能力上的优势.

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 各网络在PORT数据集上的检测结果Fig.7 Detection results of different networks on PORT dataset

在AI-TOD训练集上进行消融实验, 为了保持实验条件一致, 所有模型训练过程中均未使用预训练权重, 且均采用CIoU(Complete Intersection over Union)作为边界框相似度度量指标.具体消融实验结果如表4所示.由表可看到, ASDC和SDR组合后的mAP值要高于单独使用ASDC和单独使用SDR时的mAP值.在加入ADH后, 同时使用3个模块时效果最优, 这也验证DR-ENet中3个模块的有效性.

表4

Table 4

表4(Table 4)

表4 各模块消融实验结果 Table 4 Ablation experiment results of different modules % ASDC SDR ADH mAP50 mAP50-90 36.7 13.7 √ 39.6(↑ 3.1) 14.9(↑ 1.2) √ 40.5(↑ 3.8) 15.4(↑ 1.7) √ 40.9(↑ 4.2) 15.7(↑ 2.0) √ √ 46.3(↑ 9.8) 18.0(↑ 4.3) √ √ √ 49.1(↑ 12.4) 20.5(↑ 6.8)

表4 各模块消融实验结果 Table 4 Ablation experiment results of different modules %

首先分析SDR的间隔数n(步长), 设置步长为2, 3, 4, 在RSOD数据集上的检测结果如表5所示.由表可看到, 步长为2时效果更优.实际上, SDR中的步长可以根据不同的任务需求进行调整.

表5

Table 5

表5(Table 5)

表5 步长对网络性能的影响 Table 5 Effect of stride on network performance % 步长 mAP50 mAP50-90 2 77.6 47.9 3 74.5 45.3 4 73.4 44.7

表5 步长对网络性能的影响 Table 5 Effect of stride on network performance %

为了展示SDR相比其它下采样方法的效果, 选择结构相似性(Structural Similarity, SSIM)分数量化采用一层卷积初步提取的特征图和进一步下采样后的特征图之间的差异.验证网络一层卷积(大小为3、步长为2、填充值为1)加一层下采样的简单构造, 下采样后的特征图同原特征图的SSIM分数越接近, 认为该下采样过程能更好地保留原特征图的特征.采用卷积、最大池化、平均池化和SDR进行下采样后的SSIM分别为0.077、0.107、0.092和0.459.SDR得到的SSIM分数更接近1, 表示经过SDR下采样后的图像能尽量保留原特征图中的特征.

为了进一步验证SDR的有效性, 在RSOD数据集上采用同样的基准模型(YOLOv5)、不同的下采样方法(最大池化、平均池化和SDR), 训练50轮后的检测结果如表6所示, 表中黑体数字表示最优值.由表可看到, 采用SDR的YOLOv5在精度上获得最优值, 尽管其推理时间略慢于YOLOv5(平均池化), 但SSIM分数距离1更近, 这表示经过SDR后的特征图保留更多的特征.

表6

Table 6

表6(Table 6)

表6 下采样方法对网络性能的影响 Table 6 Effect of down-sampling methods on network performance 下采样方法 AP50/% mAP50 /% 推理时间 /s 飞机 油箱 立交桥 操场 卷积 97.33 96.41 85.14 94.18 93.14 30.92 最大池化 97.31 97.19 84.25 95.19 93.49 23.73 平均池化 97.69 96.77 84.13 94.71 93.33 14.33 SDR 98.70 97.15 86.23 95.79 94.47 14.73

表6 下采样方法对网络性能的影响 Table 6 Effect of down-sampling methods on network performance

为了清晰展示SDR的优良效果, 进行特征的可视化展示.3幅图像在经过一次大小为3、步长为2、填充值为1的卷积核提取到特征后, 分别通过平均池化、最大池化、SDR进行下采样后的可视化结果如图8所示.

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 不同下采样方法处理后的图像可视化结果Fig.8 Visualization results of images processed with different down-sampling methods

由图8可看出, 经过平均池化和最大池化的小目标特征十分稀疏细碎, 但是采用SDR进行下采样能较完整地保留小目标的原始特征.

为了进一步展示SDR保留的特征中有效特征多于其它下采样方法, 使用Grad-CAM(Gradient-Weighted Class Activation Mapping)可视化展示4种下采样方法在图像预测中认为具有重要影响的区域.通过生成热力图, 可揭示这些区域在网络做出预测时受到关注的程度和重要性.高强度区域(暖色)越集中在目标区域, 说明采用该下采样方法的网络越正确学到与目标类别相关的有效特征.具体热力图如图9所示.由图可看到, 原始图像中存在大量船只, 此外, 选中的区域存在少量轿车.采用卷积、最大池化和平均池化的网络集中关注的区域都是船只所在区域, 忽略左侧及上方的小轿车, 而SDR关注区域几乎包含所有类别的目标, 这表示SDR更多地保留有效特征, 使网络能学到所有目标的类别特征, 从而实现更准确的检测.

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 采用不同下采样方法的网络得到的热力图Fig.9 Heatmaps obtained from networks using different down-sampling methods

标准卷积(Standard-Convolution, SC)、条带卷积(Adapt-Strip Convolution, ASC)和添加可变形卷积的ASDC的性能对比如表7所示.由表可见, 相比标准卷积, 可变形条带卷积的确能为航空图像中的目标检测带来有益提升.

表7

Table 7

表7(Table 7)

表7 卷积对网络性能的影响 Table 7 Effect of convolution on network performance % 卷积 mAP50 mAP50-90 SC 89.1 47.2 ASC 90.7 47.9 ASDC 92.1(↑ 3.0) 48.8(↑ 1.6)

表7 卷积对网络性能的影响 Table 7 Effect of convolution on network performance %

DR-ENet采用SPPF和DSPPF检测后的热力图如图10所示, 检测目标为油箱.由图可看出, 采用SPPF的网络不可避免地会关注到无关的背景区域, 而加入ASDC的DSPPF使网络完全专注于目标区域, 复杂的背景并不会过多影响检测.

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 采用SPPF和DSPPF后的热力图Fig.10 Heatmaps using SPPF and DSPPF

同时也在RSOD数据集的aircraft类上进行效率对比, 结果如表8所示.由表可见, 尽管DSPPF的参数量有所增加, 但实际上单个卷积+批量归一化层+修正线性单元的速度快于卷积+批量归一化层+Sigmoid线性单元, 这部分的效率提升足以抵消一部分参数量带来的开销.最后达到的效果就是DSPPF的帧率高于SPPF, mAP₅₀也有所提升.

表8

Table 8

表8(Table 8)

表8 SPPF和DSPPF的性能对比 Table 8 Performance comparison of SPPF and DSPPF 方法 mAP50-90/% mAP50/% 参数量/个 帧率/帧/秒 SPPF 91.5 50.9 7041205 312.50 DSPPF 91.5 52.1 9736593 322.58

表8 SPPF和DSPPF的性能对比 Table 8 Performance comparison of SPPF and DSPPF

DR-ENet与LSKNet、EfficientRep、DetectoRS、Cen-tripetalNet在AI-TOD训练集上经过100轮后的mAP曲线如图11所示.由图可看到, 在训练初期, DR-ENet的曲线陡峭且增长迅速, 这说明它能较早地学到有效特征.最终mAP值也明显高于其它网络, 说明DR-ENet不仅在检测精度上有所提升, 而且在整体性能上也有显著提高, 这充分验证提出的解耦检测头在提高网络效率方面的有效性.

图11

Fig.11

	Figure Option ViewDownloadNew Window
	图11 各网络在AI-TOD训练集上的mAP曲线Fig.11 mAP curves of different networks on testing set AI-TOD

YOLOv5、采用检测头(Decoupled-Head, DH)的YOLOv5(YOLOv5-DH)与采用ADH的YOLOv5(YOLO-v5-ADH)在RSOD数据集上的性能对比如表9所示.由表可见, 更高的检测精度表明ADH的有效性.

表9

Table 9

表9(Table 9)

表9 检测头对网络性能的影响 Table 9 Effect of detection heads on network performance % 方法 mAP50 mAP50-90 YOLOv5 91.7 48.9 YOLOv5-DH 92.1 50.2 YOLOv5-ADH 93.7(↑ 1.6) 51.2(↑ 1.0)

表9 检测头对网络性能的影响 Table 9 Effect of detection heads on network performance %