典型文献
基于改进YOLOv5的轻量化航空目标检测方法
文献摘要：
为解决硬件平台资源受限条件下的实时航空目标检测需求,在基于改进YOLOv5的基础上,提出了一种针对移动端设备/边缘计算的轻量化航空目标检测方法.首先以MobileNetv3为基础搭建特征提取网络,设计通道注意力增强结构 MNtECA(MobileNetv3 with Efficient Channel Attention)提高特征提取能力;其次在深度可分离卷积层增加1 xl的卷积,在减少卷积结构参数的同时提高网络的拟合能力;最后对检测网络进行迭代通道剪枝实现模型压缩和加速.实验选取DIOR(Object Detection in Optical Remote Sensing Images)数据集进行训练和测试,并在嵌入式平台(NVIDIA Jetson Xavier NX)对轻量级模型进行推理验证.结果表明,所提出的轻量级模型大幅降低了参数和计算量,同时具有较高精度,实现了移动端设备/边缘计算的实时航空目标检测.
文献关键词：
深度学习;目标检测;注意力;模型压缩;通道剪枝
中图分类号：
作者姓名：
杨小冈;高凡;卢瑞涛;李维鹏;张涛;曾俊
作者机构：
火箭军工程大学导弹工程学院,陕西西安 710025
文献出处：
引用格式：
[1]杨小冈;高凡;卢瑞涛;李维鹏;张涛;曾俊-.基于改进YOLOv5的轻量化航空目标检测方法)[J].信息与控制,2022(03):361-368
A类：
MNtECA
B类：
YOLOv5,目标检测方法,硬件平台,平台资源,资源受限,受限条件,移动端,端设备,边缘计算,先以,MobileNetv3,特征提取网络,通道注意力,注意力增强,增强结构,Efficient,Channel,Attention,特征提取能力,深度可分离卷积,卷积层,xl,测网,通道剪枝,模型压缩和加速,DIOR,Object,Detection,Optical,Remote,Sensing,Images,嵌入式平台,NVIDIA,Jetson,Xavier,NX,轻量级模型,推理验证,计算量
AB值：
0.493074
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。
