基于改进YOLOv4算法的无人机目标检测
为了提高无人机集群检测精度和速度,提出了改进YOLOv4无人机集群目标检测方法.使用轻量化网络Mo-bileNetV3分别获得5个有效特征层代替原网络中主特征提取网络生成的有效特征层,降低原网络的参数量和计算量;采用改进的K-means优化聚类先验框替代原算法中的先验框;基于公共数据集验证算法的有效性,在单无人机和无人机集群2种情况下进行了检测实验.实验结果表明:使用轻量化网络并利用改进K-means优化聚类先验框的改进YOLOv4算法,相比传统YOLOv3和YOLOv4算法明显提升无人机检测精度和检测速度,检测精度比YOLOv3和YOLOv4分别提高了16.4%、7.3%,检测速率分别提高0.82倍、1.27倍,漏检率分别降低了68.5%、6.25%,误检率分别降低了69.8%、62.2%,有效解决了误检和漏检等问题;与其他深度学习算法SSD和Centernet相比,检测精度分别提高15.4%、19.4%,检测速率分别提高了16.4%、52.1%.
深度学习、轻量化网络、无人机、集群检测、改进YOLOv4、改进K-means
43
TP273(自动化技术及设备)
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
210-217