| 融合CBAM的YOLOv4轻量化检测方法 |
| |
| 引用本文： | 任丰仪,裴信彪,乔正,白越.融合CBAM的YOLOv4轻量化检测方法[J].小型微型计算机系统,2023(5):1008-1014. |
| |
| 作者姓名： | 任丰仪 裴信彪 乔正 白越 |
| |
| 作者单位： | 1. 中国科学院长春光学精密机械与物理研究所;2. 中国科学院大学 |
| |
| 基金项目： | 国家自然科学基金项目(11372309,61304017)资助；;吉林省科技发展计划重点项目(20150204074GX,20160204010NY)资助； |
| |
| 摘 要： | 基于深度学习的目标检测算法应用于无人机视觉中，会极大提升无人机的场景理解能力，但模型参数量和计算量巨大，难以应用于移动端或嵌入式平台.因此本文提出了一种效果较好的轻量级实时检测模型，采用YOLOv4模型网络作为主要参考模型，使用MobileNet替换主干网络，并通过添加CBAM注意力机制以及Soft-NMS后处理策略来提高模型的准确性.选用PASCAL VOC数据集来测试所提出的轻量级YOLOv4模型，结果显示参数量只有原模型的一半，但速度FPS提升了26.48,精度mAP只下降了0.52%.将所提出的轻量化YOLOv4模型部署Nvidia Jetson TX2低功耗系统以及树莓派上，飞行试验显示在TX2上模型FPS达到了21.8,是原始的YOLOv4的4.74倍，将本算法部署到无人机装载的嵌入式平台上，能够对航拍视野中的车辆目标进行实时识别和定位.
|
| 关 键 词： | 无人机图像 YOLOv4 MobileNet CBAM 柔性非极大抑制策略 |
|
|
