基于改进YOLOv4的无人机目标检测方法

• 作者: 田港 张鹏 邹金霖 赵晓林
• 来源期刊: 空军工程大学学报（自然科学版）
• 关键词: 无人机 目标检测 YOLOv4 中小目标 双尺度检测模型 通道裁剪
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 专题:智能无人作战技术与系统|Subject :Intelligent Unmanned Combat Technology and System
• 页码范围: 9-14
• 页数: 6页
• 分类号: V279|TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2021.04.002

摘要

针对无人机平台由于内存、算力有限而导致检测模型部署困难、检测速度降低的问题,提出了一种基于YOLOv4的改进模型.首先,为了减小模型内存占用、节省计算资源,根据目标尺寸特点,对YOLOv4原模型的预测层进行了改进,将三尺度检测模型改进为双尺度检测模型;其次,对双尺度检测模型进行正常训练,然后将其BN层的缩放因子进行稀疏训练,最后通过裁剪一定比例的通道数以再次减小模型内存占用提升检测速度.实验分析表明,在与原模型检测效果基本一样的情况下,最终改进模型的内存占用减少了60％,仅103 M,FPS提升了35％,达到了58帧/s.