基于改进YOLOv4算法的无人机目标检测

作     者：祁江鑫 吴玲 卢发兴 史浩然 许俊飞 QI Jiangxin;WU Ling;LU Faxing;SHI Haoran;XU Junfei

作者机构：海军工程大学武汉430000 

出 版 物：《兵器装备工程学报》 (Journal of Ordnance Equipment Engineering)

年 卷 期：2022年第43卷第6期

页      面：210-217页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化] 

主　　题：深度学习 轻量化网络 无人机 集群检测 改进YOLOv4 改进K-means 

摘      要：为了提高无人机集群检测精度和速度,提出了改进YOLOv4无人机集群目标检测方法。使用轻量化网络MobileNetV3分别获得5个有效特征层代替原网络中主特征提取网络生成的有效特征层,降低原网络的参数量和计算量;采用改进的K-means优化聚类先验框替代原算法中的先验框;基于公共数据集验证算法的有效性,在单无人机和无人机集群2种情况下进行了检测实验。实验结果表明:使用轻量化网络并利用改进K-means优化聚类先验框的改进YOLOv4算法,相比传统YOLOv3和YOLOv4算法明显提升无人机检测精度和检测速度,检测精度比YOLOv3和YOLOv4分别提高了16.4%、7.3%,检测速率分别提高0.82倍、1.27倍,漏检率分别降低了68.5%、6.25%,误检率分别降低了69.8%、62.2%,有效解决了误检和漏检等问题;与其他深度学习算法SSD和Centernet相比,检测精度分别提高15.4%、19.4%,检测速率分别提高了16.4%、52.1%。