文献类型：期刊文章

作　　者：黄海生[1] 饶雪峰[1]

HUANG Hai-Sheng;RAO Xue-Feng(School of Computer Science and Engineering,Guilin University of Aerospace Technology,Guilin 541004,China)

机构地区：[1]桂林航天工业学院计算机科学与工程学院,桂林541004

出　　处：《计算机系统应用》

基　　金：广西教育厅中青年科研基础能力提升项目(2019KY0805)

年　　份：2022

卷　　号：31

期　　号：12

起止页码：159-168

语　　种：中文

收录情况：IC、JST、ZGKJHX、普通刊

摘　　要：针对无人机航拍场景下的实时目标检测任务,以YOLOv5为基础进行改进,给出了一种轻量化的目标检测网络YOLOv5-tiny.通过将原CSPDarknet53骨干网络替换为MobileNetv3,减小了网络模型的参数量,有效提高了检测速度,并进一步通过引入CBAM注意力模块和SiLU激活函数,改善了因网络简化后导致的检测精度下降问题.结合航拍任务数据集VisDrone的特性,优化了先验框尺寸,使用了Mosaic,高斯模糊等数据增强方法,进一步提高了检测效果.与YOLOv5-large网络相比,以降低17.4%的mAP为代价,换取148%的检测效率(FPS)提升,且与YOLOv5s相比,在检测效果略优的情况下,网络规模仅为其60%.

关 键 词：无人机目标检测  轻量化 YOLOv5  MobileNetv3  CBAM注意力机制  SiLU  

分 类 号：V279] TP391.41]