基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法

文档名：基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法
摘要：针对在嵌入式平台上检测无人机时面临的资源占用率高、实时性差的问题,提出一种改进YOLOv5网络的目标检测算法.以YOLOv5s网络为基础模型,使用MobileNetV3网络代替CSP-Darknet53作为骨干网络进行特征提取,并优化改进特征加强网络以及算法的回归框损失函数.基于自建无人机数据集分别在PC机和嵌入式平台RK3399上进行测试,实验结果表明:改进后的YOLOv5算法与原算法相比,在保持较高检测精度的同时,检测速度提升了38％,模型大小降低了45％,有效提升了算法的检测性能,满足应用于嵌入式设备的实际需求.

作者：程江川   王伟   康林   牛小明   李亚南 Author：ChengJiangchuan   WangWei   KangLin   NiuXiaoming   LiYa'nan
作者单位：中国兵器装备集团自动化研究所有限公司信控中心,四川绵阳621000中国兵器装备集团自动化研究所有限公司无人机事业部,四川绵阳621000陆装驻广元地区军代室,四川广元628000中国兵器装备集团自动化研究所有限公司信控中心,四川绵阳621000;重庆大学数学与统计学院,重庆400044
刊名：兵工自动化 ISTIC
Journal：OrdnanceIndustryAutomation
年，卷(期)：2023, 42(4)
分类号：V279
关键词：目标检测  轻量化网络  无人机检测  YOLOv5  
机标分类号：TP391.4V279TH122.4
在线出版日期：2023年4月27日
基金项目：基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法[
期刊论文]  兵工自动化--2023, 42(4)程江川  王伟  康林  牛小明  李亚南针对在嵌入式平台上检测无人机时面临的资源占用率高、实时性差的问题,提出一种改进YOLOv5网络的目标检测算法.以YOLOv5s网络为基础模型,使用MobileNetV3网络代替CSP-Darknet53作为骨干网络进行特征提取,并优化改进特征加...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法  Multi-rotor UAV Detection Algorithm Based on Improved YOLOv5 and Embedded Platform

基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法.pdf

2024-12-14 11:48 上传 基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法.pdf

文件大小:

1.1 MB

下载次数:

60

高速下载