科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了在资源受限的嵌入式设备上实现对无人机的实时检测，文中提出了一种基于YOLOv4的轻量化检测网络，即Slim-YOLOv4。该网络选用Ghostnet替换原YOLOv4的主干特征提取部分，将特征融合部分中的3×3卷积替换为深度可分离卷积，并对深度可分离卷积中的激活函数进行优化，以减少网络的参数量、计算量，加快网络的收敛。实验结果表明Slim-YOLOv4的准确率达到91.6%,与原YOLOv4相比损失了1.6%,但是原YOLOv4的权重文件高达250 MB。在不影响鲁棒性的前提下，Slim-YOLOv4的权重文件大小仅为42 MB,且优于Faster-RCNN模型的108 MB和Mobilenetv3模型的53 MB。新方法每秒处理的图片数量在PC上达到31.2 frames·s-1,在嵌入式设备上高达37.6 frames·s-1,证明可以将其部署到嵌入式设备上对无人机进行实时检测。
- 单位
