DS-YOLOv4-tiny救援机器人目标检测模型

摘要：

针对救援机器人对救援目标检测实时性和准确度要求比较高的问题,提出一种改进的YOLOv4-tiny救援机器人目标检测模型DS-YOLOv4-tiny.改进YOLOv4-tiny的网络结构,将骨干网络中的CSP改为DenseNet模块以增强特征复用,同时大量减少了网络参数量,使训练后的权重文件更小;针对YOLOv4-tiny深层网络无法准确提取有效特征信息的问题,在颈部网络中增加SPP模块以得到不同感受野的特征,提高定位准确性;通过K-means聚类算法获取锚框以适应受灾人员检测,提高算法精度.将训练后的模型部署在嵌入式NVIDIA Jetson Nano平台上进行测试,实验结果表明:DS-YOLOv4-tiny检测速度快、准确率高.与YOLOv4-tiny比较,AP值达到93.47％提高了3.99％,FPS达到15.97提高了5.7％,权重文件大小降低13.39％,满足救援机器人目标检测的实时性和准确度要求.

关键词：救援机器人;目标检测;仿真

所属期刊栏目：39

分类号：TP183;TP391.41(自动化基础理论)

资助基金：国家自然科学基金61572341

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：387-393