融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法

• 作者: 鲁博 瞿绍军
• 来源期刊: 小型微型计算机系统
• 关键词: 车辆检测 目标检测 Yolov3 上采样 特征金字塔 小目标
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 1694-1698
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.08.020

摘要

航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息,可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求,需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢,而速度优势明显的简单网络结构算法精度难以满足实际需求.针对这一需求与特性,提出了一种航拍图像车辆目标检测算法,在牺牲微量速度的情况下极大提升检测精度.选择Yolov3-tiny的主干网作为主干网,同时引入BiFPN特征金字塔结构与主干网结合以增进多层次特征的融合,提出一种新的上采样结构,替换原有网络中的上采样结构.在vedai数据集上进行实验,与Yolov3相比,每秒检测帧(fps)与检测精度(map)分别提升了73％、6％.与Yolov3-tiny相比,虽然fps下降了5％,帧数减少2帧,但map提升了9.6％,与ssd、mobilenetv3、efficientnet相比,无论是检测精度还是检测速度都具有明显优势,提出方法的map达到了87.6％.本文所提出的Bi-Yolov3-tiny模型与上采样结构综合了轻量级网络和复杂结构网络的优点,使得航拍图像车辆检测的效果更加精准的同时也保持了较快的速度.