典型文献
针对弱小无人机目标的轻量级目标检测算法
文献摘要：
为解决无人机"滥用"带来的安全隐患,针对现有基于深度学习的无人机目标检测算法复杂度较高,导致模型训练耗时长、占用计算资源大、输入图像尺寸受限、检测速度慢等问题,提出了一种轻量级无人机目标检测(DTD-YOLOv4-tiny)算法.所提算法以YOLOv4-tiny为基础,通过K-means++聚类算法对Anchor box进行优化,并增加52×52尺寸特征图的检测头,拓展了算法对小目标的适用范围,再结合ShuffleNetv2轻量化骨干网络,使用reorg_layer下采样和sub-pixel上采样的方式,分别对YOLOv4-tiny算法的Backbone、Neck和Head进行优化,最终得到的模型大小仅为1.4MB,浮点运算量(GFLOPs)仅为1.1的DTD-YOLOv4-tiny轻量级检测算法.实验结果表明,DTD-YOLOv4-tiny检测模型在不限制图像输入尺寸的同时,保证了较低的运算资源占用和高的检测实时性,同时降低参数量后的算法在面对原始大尺寸图像时也可以保持准确性.在Drone-vs-Bird2017数据集上使用960×540尺寸的图像作为输入时,所提算法的平均精度(AP)@50值达到95％,在RTX2060显卡上的检测速度达到113 frame/s;在TIB-Net数据集上使用1920×1080尺寸的图像作为输入时,所提算法的AP@50值达到85.1％,在RTX2080Ti显卡上的检测速度达到119 frame/s.
文献关键词：
图像处理;弱小无人机目标;DTD-YOLOv4-tiny;轻量级检测模型;实时目标检测
中图分类号：
作者姓名：
蒋镕圻;叶泽聪;彭月平;谢郭蓉;杜衡
作者机构：
武警工程大学研究生大队,陕西西安710086;武警工程大学信息工程学院,陕西西安710086;新疆大学建筑工程学院,乌鲁木齐新疆830000
文献出处：
引用格式：
[1]蒋镕圻;叶泽聪;彭月平;谢郭蓉;杜衡-.针对弱小无人机目标的轻量级目标检测算法)[J].激光与光电子学进展,2022(08):99-110
A类：
弱小无人机目标,reorg,4MB,Bird2017,RTX2060,RTX2080Ti,轻量级检测模型
B类：
轻量级目标检测,目标检测算法,决无,无人机目标检测,算法复杂度,模型训练,计算资源,图像尺寸,检测速度,速度慢,DTD,YOLOv4,tiny,means++,聚类算法,Anchor,box,特征图,检测头,小目标,ShuffleNetv2,骨干网络,layer,下采样,sub,pixel,上采样,Backbone,Neck,Head,浮点运算,运算量,GFLOPs,不限,制图,资源占用,参数量,大尺寸,Drone,AP,显卡,frame,TIB,实时目标检测
AB值：
0.349798
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。
