- 1、本文档共58页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
基于深度学习的无人机目标检测算法研究
无人机作为一种新兴的信息、物资传输工具,近年来发展迅速。随着无人机
应用技术的发展,利用无人机携带相机进行航拍跟踪,安防巡线,电路巡检以及
搜寻救援等任务也成为了可能。无人机目标检测作为无人机应用的重要一环,也
成为科学研究的热点话题。考虑到无人机机载处理器的算力限制及电力损耗及工
作环境等问题,嵌入无人机的目标检测算法需要满足算法参数少,内存消耗小以
及实时性高的要求。鉴于无人机的工作环境,目标物尺度变化较大,应用于无人
机的算法需要保证常规目标检测的同时兼顾小目标检测的性能。因此,如何在算
法模型简化的同时兼顾目标检测的性能,成为亟待解决的问题。
本文基于YOLOv4-tiny目标检测算法,融合“ThinkTwice”的思想,提出
了一种基于递归特征的RFPYOLOv4-tiny改进算法。该算法在满足轻量化,参数
少等需求的同时,也具有不错的检测精度,同时能够加强小目标检测的准确性。
本文主要研究内容如下:
(1)从基于深度学习的目标检测算法出发,就YOLO各版本的算法的模型结
构进行深入分析,并进行模型的优劣比对,从而选择更加适合嵌入无人机等移动
端的轻量化模型YOLOv4-tiny作为算法模型。经实验对比验证,作为嵌入无人机
设备的算法,YOLOv4-tiny具有更多的价值,同时为后续的算法改进提供了良好
的研究基础。
(2)针对目标检测的精度及小目标检测,本文提出了RFPYOLOv4-tiny算法。
算法分别就YOLOv4-tiny算法的主干提取网络、FPN环节进行改进。修改主干
网络为循环递归网络,以此实现特征的二次提取,加强语义表达。同时加入ASPP
作为特征转换,引入特征融合模块,构成RFPYOLOv4-tiny算法网络结构。通过
本文提出的改进方法,单张图像检测时间26ms,同时算法在目标物存在遮挡以
及小目标检测的情境下,均有不错的表现。
(3)针对目标检测算法的轻量化,本文提出基于深度可分离卷积的
RFPYOLOv4-tiny优化策略,用深度可分离卷积替换算法中的普通卷积,以此达
到模型简化的目的。轻量化后的模型较比RFPYOLOv4-tiny在参数量及运算速度
上均有不错的提升,为后续无人机目标检测算法的改进提供了参考。
关键词:
目标检测,深度学习,YOLOv4-tiny,递归特征金字塔,深度可分离卷积
Abstract
ResearchonthetargetdetectionalgorithmofUAVBasedondeep
learning
UAV,asanewtoolofinformationandmaterialtransmission,hasdeveloped
rapidlyinrecentyears.WiththedevelopmentofUAVapplicationtechnology,itis
possibletouseUAVtocarrycameraforaerialphotographing,securitylineinspection,
circuitinspectionandsearchandrescue.AsanimportantpartofUAVapplication,UAV
targetdetectionhasbeenahottopicinscientificresearch.Consideringtheconstraints
ofthecalculation,thepowerlossandworkingenvironmentoftheUAVairborne
processor,thetargetdetectionalgorithmembeddedinUAVneedstomee
文档评论(0)