基于改进YOLOv5的轻量化航空目标检测方法

• 作者: 杨小冈 高凡 卢瑞涛
• 来源期刊: 信息与控制
• 学科: 工学
• 关键词: 深度学习 目标检测 注意力 模型压缩 通道剪枝
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 短文
• 页码范围: 361-368
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13976/j.cnki.xk.2021.1240

摘要

为解决硬件平台资源受限条件下的实时航空目标检测需求，在基于改进YOLOv5的基础上，提出了一种针对移动端设备/边缘计算的轻量化航空目标检测方法。首先以MobileNetv3为基础搭建特征提取网络，设计通道注意力增强结构MNtECA （MobileNetv3 with Efficient Channel Attention）提高特征提取能力；其次在深度可分离卷积层增加1×1的卷积，在减少卷积结构参数的同时提高网络的拟合能力；最后对检测网络进行迭代通道剪枝实现模型压缩和加速。实验选取DIOR （Object Detection in Optical Remote Sensing Images）数据集进行训练和测试，并在嵌入式平台（NVIDIA Jetson Xavier NX）对轻量级模型进行推理验证。结果表明，所提出的轻量级模型大幅降低了参数和计算量，同时具有较高精度，实现了移动端设备/边缘计算的实时航空目标检测。