基于改进YOLOv5的轻量化航空目标检测方法

【类型】期刊

【作者】杨小冈 高凡 卢瑞涛 李维鹏 张涛 曾俊  

【刊名】信息与控制

【关键词】 注意力,通道剪枝,深度学习,目标检测,模型压缩

【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1×1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。

【年份】2022

【作者单位】火箭军工程大学导弹工程学院;

【期号】03

【页码】361-368