文献类型：期刊文章

作　　者：赵耘彻[2] 张文胜[1,2] 刘世伟[3]

Zhao Yunche;Zhang Wensheng;Liu Shiwei(Key Laboratory of Traffic Safety and Control of Hebei Province,Shijiazhuang 050043,China;School of Traffic and Transportation,Shijiazhuang Tiedao University,Shijiazhuang 050043,China;Cangzhou Bohai New Area Huanghua Transportation Bureau,Huanghua 061100,China)

机构地区：[1]河北省交通安全与控制重点实验室,石家庄050043 [2]石家庄铁道大学交通运输学院,石家庄050043 [3]沧州渤海新区黄骅市交通运输局,黄骅061100

出　　处：《电子测量技术》

基　　金：中央引导地方科技发展资金(226Z6101G);河北省及石家庄市引进国外智力项目(2021-2023);石家庄市科技计划项目(221130134A)资助。

年　　份：2023

卷　　号：46

期　　号：8

起止页码：169-175

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对无人机航拍目标检测对检测速度的高要求以及航拍图像小目标较多时易出现漏检、误检的问题,提出一种基于改进YOLOv4的无人机航拍目标检测算法。首先,引入轻量级网络MobileNetv3替换YOLOv4的主干特征提取网络,并采用深度可分离卷积替换网络其余部分的3×3标准卷积,降低了模型复杂度,提升了检测速度;其次,增加了针对小目标的104×104的浅层检测层,将原特征提取网络的3种检测尺度扩展为4种,对应加深特征融合网络层数,提升了算法对小目标的检测精度;最后,采用K-means++聚类算法重新设计了初始锚框,加快了网络的收敛速度。在无人机航拍数据集上进行了对比实验,结果表明所提算法与原算法相比,在保证平均检测精度的同时,提升了小目标检测精度,且模型参数量减少了60%,检测速度提升了15.2%,在实时性和准确性方面均有较好性能。

关 键 词：目标检测 无人机 YOLOv4  轻量级网络  K-means++  

分 类 号：TP391.41] V19[计算机类]