基于嵌入式平台与优化YOLOv3的航拍目标检测方法

• 作者: 郭智超 徐君明 刘爱东
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 目标检测 YOLOv3算法 神经网络 深度学习 JetsonTX2平台
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 武器装备智能化|Armament Intellectualization
• 页码范围: 10-15,20
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.7690/bgzdh.2022.03.002

摘要

针对部署在嵌入式平台的目标检测模型在检测航拍目标时存在的检测速率低、耗时高、存储容量低的问题,提出一种基于优化YOLOv3算法的航拍目标检测方法.通过模型剪枝极大地减少了模型参数量,使用二分K-means对传统的锚框聚类算法进行优化改进,引入CIOU损失函数加强边界框回归效果,再经TensorRT对模型优化加速后将该检测模型部署到JetsonTX2平台上.选取大量不同类别不同环境的航拍图像制作数据集进行实验对比.结果表明:优化后的算法在检验不同航拍图像目标时平均精度可达到83.9％,对每张图片的检测速度从2.8 FPS提升至14.7 FPS,满足精确性和实时性要求.