基于改进YOLO的无人机对地多目标检测

• 作者: 韩玉洁 曹杰 刘琨 万思钰
• 来源期刊: 电子测量技术
• 关键词: 深度学习 YOLOv4 无人机 多目标识别
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 研究与设计|Research and Design
• 页码范围: 19-24
• 页数: 6页
• 分类号: TH74
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004857

摘要

无人机轻巧灵活视角广阔,在对地观测方面无人机平台具有地面平台无法比拟的优势.在视觉范围内搜寻目标是无人机执行任务的基础,无人机视觉识别目标有方向多变、尺寸小等特点.为将目标识别算法应用于无人机,选择运行速度快、实现端到端的YOLO系列网络.目标识别网络结构使用多通道处理的主干网络,运用空间金字塔池化和路径聚合网络改进特征层之间的连接,使用自对抗训练、马赛克法等数据增强方法,采用CIOU损失函数.使用航拍数据集训练更新网络模型,得到多种无人机识别目标的权重参数,将该目标识别模型应用于无人机对地观测.采用的网络结构改进和训练方法使最终实现模型的性能指标mAP@0.5达到93.33％,相比原网络提升了4.68％.