典型文献
基于改进YOLOv5的无人机检测方法
文献摘要：
针对小尺寸无人机目标检测精度低,且深层网络的参数量大、内存占用高等问题,提出一种基于改进YOLOv5的无人机检测方法.首先,调整了 YOLOv5多尺度预测层的个数,裁剪掉冗余网络层,有效减少网络参数量,提高无人机检测速度;其次,通过在特征提取阶段引入多个不同采样率的空洞卷积,增强小目标的多尺度细节特征提取能力;最后,在多尺度特征融合阶段引入注意力机制,将深层特征进行通道加权后再与浅层特征进行高效融合,增强小目标特征表达能力.实验表明,改进的YOLOv5模型在自制数据集上mAP达到了 99.02％,对于小尺寸的无人机目标,具有更好的检测效果.相较于改进前网络,检测速度提高了 10.3％,内存开销节约了 65％,降低了对设备计算和存储能力的要求,更加有利于无人机检测系统的工程部署和实际应用.
文献关键词：
空洞卷积;注意力机制;无人机;目标检测
中图分类号：
作者姓名：
王建楠;吕胜涛;牛健
作者机构：
中国人民武装警察部队研究院,北京100012
文献出处：
引用格式：
[1]王建楠;吕胜涛;牛健-.基于改进YOLOv5的无人机检测方法)[J].光学与光电技术,2022(05):48-56
A类：
B类：
YOLOv5,无人机检测,小尺寸,无人机目标检测,检测精度,深层网络,参数量,内存占用,多尺度预测,裁剪,剪掉,冗余网络,网络层,网络参数,检测速度,采样率,空洞卷积,细节特征提取,特征提取能力,多尺度特征融合,注意力机制,深层特征,高效融合,小目标特征,特征表达,表达能力,mAP,检测效果,进前,开销,工程部署
AB值：
0.39321
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。
