基于改进YOLOv4与JetsonTX2的无人机实时目标检测方法

作者：刘爱东; 郭智超^*; 徐君明; 丛林虎

来源：兵器装备工程学报, 2022, 43(04): 204-229.

• YOLOv4算法
• 目标检测
• JetsonTX2平台
• 神经网络
• 无人机

针对在嵌入式设备上探测无人机时面临的实时性差、功耗高、加载速度慢等问题，提出了一种基于改进YOLOv4和JetsonTX2的实时目标检测模型。创新处在于使用MobileNetV3轻量级视觉网络代替YOLOv4基础网络CSPDarknet53;同时在PANet加强特征网络中使用深度可分离卷积代替普通卷积；而后通过TensorRT优化器对模型以后训练量化的方式将权重进行8位整型量化，减小了模型规模和参数量；通过使用K-means++对传统的锚框聚类算法进行了优化改进。最终该模型在JetsonTX2上测试，检测精度可达89.9%,检测速率从3.5 FPS提升至24.9 FPS。相较于原模型，该检测模型优势明显，满足了对无人机实时检测的具体需求。