文档名：基于改进YOLOv4模型的无人机目标检测算法
摘要：针对无人机全自主飞行对目标检测的实时性与准确性需求不断提升的现状,对现有YOLOv4网络进行优化,提出采用轻量型MobilenetV3网络取代原始模型中的主干特征提取网络,并在特征金字塔结构中利用深度可分离卷积模块取代传统卷积,实现了保证模型检测精度的同时减少模型参数的目的.通过采用CIOU位置回归损失函数,促使目标框回归变得更加稳定,采用的数据增强方法进一步提高了目标检测算法的鲁棒性.在相同配置条件下的对比实验结果表明,改进YOLOv4模型损失小幅精度却实现检测速度的大幅提升,其中参数容量减少82％,仅44.74M,FPS提升69％并达到22帧/s,验证了所提算法的有效性.
作者：孙伟 潘森 黄恒Author：SUNWei PANSen HUANGHeng
作者单位：辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(3)
分类号：V279TP391
关键词：目标检测 深度可分离卷积 网络优化 YOLOv4
机标分类号：TP391F279.246TP183
在线出版日期：2023年5月25日
基金项目：辽宁省兴辽英才计划项目，辽宁工程技术大学学科创新团队资助项目基于改进YOLOv4模型的无人机目标检测算法[
期刊论文] 传感技术学报--2023, 36(3)孙伟 潘森 黄恒针对无人机全自主飞行对目标检测的实时性与准确性需求不断提升的现状,对现有YOLOv4网络进行优化,提出采用轻量型MobilenetV3网络取代原始模型中的主干特征提取网络,并在特征金字塔结构中利用深度可分离卷积模块取代传统...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLOv4模型的无人机目标检测算法 UAV Target Detection Algorithm Based on Improved YOLOv4 Model
基于改进YOLOv4模型的无人机目标检测算法.pdf
- 文件大小:
- 3.76 MB
- 下载次数:
- 60
-
高速下载
|
|
