10.14132/j.cnki.1673-5439.2021.01.011
DS-YOLO:一种部署在无人机终端上的小目标实时检测算法
随着无人机硬件成本的降低和深度学习算法的发展,部署在无人机终端的实时目标检测算法在诸多领域展现出广泛的应用前景.然而,嵌入式设备有限的能耗和算力,以及普适性目标检测算法对于小目标特征提取不够充分等问题,制约了此类算法速度和精度的提升.文中提出了一种部署在无人机终端上的小目标实时检测算法DS-YOLO(Dense-SPP YOLO),算法基于密集连接的思想设计了全新的主干网络,并改进了空间金字塔池化模块以增强小目标的特征提取和多尺度特征复用,最后基于批归一化层(Batch-Normalization )的缩放因子修剪网络中不重要的通道,修剪瘦身后的算法更加适合部署在移动端.在Visdrone2019-DET数据集上的测试结果表明,DS-YOLO算法mAP ( mean Average Precision)指标比SlimYOLOv3算法提升约3％,检测速度达到89 FPS( Frames Per Second),高于 SlimYOLOv3的67 FPS.
无人机、小目标检测、密集连接、通道剪枝
41
TP391.4(计算技术、计算机技术)
国家重点研发计划 2019YFB2101700
2021-04-07（万方平台首次上网日期，不代表论文的发表时间）
共13页
86-98
