典型文献
轻量化无人机航拍目标检测算法
文献摘要：
针对无人机航拍背景复杂、检测目标小且密集.提出一种基于YOLOv5的轻量化无人机航拍目标检测算法SDS-YOLO.首先,SDS-YOLO算法重构轻量化网络结构,对特征提取网络和特征融合网络进行重构.调节检测层和感受野架构,建立深层语义与浅层语义多尺度检测信息依赖关系,增加浅层网络特征层的权重,提高对微小目标的检测能力;其次,利用聚类算法对预选框进行调整,实现重构网络最优的预选框选择机制,加快模型收敛速度.最后,使用Varifocal loss训练SDS-YOLO使IACS回归,提高模型对密集物体的检测能力.结果表明,模型经过优化后,精度提高了 7.64％;模型体积4.25 MB,相较于原模型大幅下降;模型计算量和推理速度均有提高.相较于当前主流算法,SDS-YOLO在各方面均取得了不错的改进,满足无人机航拍实时目标检测要求.
文献关键词：
目标检测;多尺度融合;模型轻量化;YOLOv5;Varifocal loss
中图分类号：
作者姓名：
王恒涛;张上;陈想;贾付文
作者机构：
三峡大学湖北省建筑质量检测装备工程技术研究中心 宜昌443002;三峡大学计算机与信息学院 宜昌443002
文献出处：
引用格式：
[1]王恒涛;张上;陈想;贾付文-.轻量化无人机航拍目标检测算法)[J].电子测量技术,2022(19):167-174
A类：
Varifocal
B类：
无人机航拍,目标检测算法,拍背,YOLOv5,SDS,算法重构,轻量化网络,特征提取网络,特征融合网络,检测层,感受野,深层语义,多尺度检测,信息依赖,依赖关系,网络特征,小目标,检测能力,聚类算法,预选框,框选,选择机制,收敛速度,loss,IACS,MB,计算量,推理速度,流算法,不错,实时目标检测,检测要求,多尺度融合,模型轻量化
AB值：
0.375493
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
