基于MM-YOLOv4的无人机目标检测算法
程千顷
王红军
国防科技大学电子对抗学院,合肥,230037
摘要：针对当前无人机目标图像检测方法精度较低和检测速度过慢的问题,提出一种结合轻量级网络和改进多尺度结构的目标检测算法.首先采用MobileNetV3轻量级网络替换YOLOv4的主干网络,减少模型复杂度,提升检测速度;其次,引入改进多尺度结构的PANet网络,增强高维图像特征和低维定位特征的流动叠加,提升对小目标的分类和定位精度;最后,利用K-means方法对目标锚框进行参数优化,提升检测效率.同时结合公开数据集和自主拍摄方式构建一个新的无人机目标图像数据集Drone-dataset,并基于数据增强的方法开展算法性能实验.实验结果表明,该算法的mAP达到了91.58％,FPS达到了55帧/s,参数量为44.39 M仅是YOLOv4算法的1/6,优于主流的SSD、YOLO系列算法和Faster R-CNN算法,实现了对多尺度无人机目标的快速检测.
关键词：无人机目标检测轻量级网络改进多尺度结构
分类号：TP391(计算技术、计算机技术)
论文发表日期：2022-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 90-95 )
英文信息