典型文献
基于YOLOv4优化的轻量级无人机障碍物检测方法
文献摘要：
无人机平台内存小、计算资源有限.针对经典检测方法的网络结构复杂、检测速度慢等问题,提出一种基于轻量化的实时检测方法.首先,将轻量化模型MobileNetv3代替CSPDarknet53作为主干网络并融合有效通道注意力机制从而减小模型内存占用.其次,引入残差结构融合模块RFM,增强网络的特征提取能力.为了进一步提高障碍物检测的泛化能力和算法的收敛速度,采用Control Distance-IOU损失函数替换CIOU损失函数进行网络训练.实验结果表明,在与原模型检测效果基本相同的情况下,改进后的模型内存占比减少了 80％仅39.5M,FPS提高了 168％达到49.21帧/s.
文献关键词：
YOLOv4;轻量化MobileNetv3网络;ECA;障碍物检测;残差结构
中图分类号：
作者姓名：
白俊卿;张文静
作者机构：
西安石油大学计算机学院 西安710065
文献出处：
引用格式：
[1]白俊卿;张文静-.基于YOLOv4优化的轻量级无人机障碍物检测方法)[J].电子测量技术,2022(22):87-91
A类：
B类：
YOLOv4,轻量级,障碍物检测,无人机平台,计算资源,检测速度,速度慢,实时检测,轻量化模型,MobileNetv3,CSPDarknet53,主干网络,有效通道注意力机制,内存占用,残差结构,RFM,特征提取能力,泛化能力,和算,收敛速度,Control,Distance,损失函数,CIOU,网络训练,模型检测,检测效果,基本相同,5M,FPS,ECA
AB值：
0.453659
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。
