10.16526/j.cnki.11-4762/tp.2024.01.009
基于改进轻量化YOLOX的无人机航拍目标检测算法
针对小型无人机在巡逻航拍中的应用,提出了一种改进的轻量化目标检测算法,有效解决巡逻过程中空地无线传输信道和机载端计算能力双重受限的难题;该算法在YOLOX算法的基础上,首先利用Mobilenetv2代替CSPDarknet骨干网络作为特征提取网络,降低了模型参数量和计算量,提高目标检测实时性;其次为了弥补轻量化带来的检测精度下降,考虑检测目标框的长宽比引入CIOU定位损失函数,提升目标定位的精度;同时为了平衡训练过程中的正负难易样本,引入Focal Loss置信度损失函数提升模型的检测性能;基于VisDrone2019-DET数据集实验表明,改进后算法模型参数量降低了 56.2%,计算量降低了52.5%,在检测精度没有明显下降情况下单张图片推理时间减少了 41.4%;最后,将改进后的算法部署到Nvidia Jetson Xavier NX机载端,测得模型检测帧率可达22 FPS,改进后算法满足巡逻任务的应用需求.
无人机、目标检测、轻量化、YOLOX、Focal Loss、CIOU
32
TP391.41(计算技术、计算机技术)
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
57-63