面向战场低空目标的轻量化识别方法

作     者：徐图南 高昂 陈昱成 闫守成 邓斌 

作者机构：西北工业大学电子信息学院 西安交通大学电子与信息学部 近地面探测技术重点实验室 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2024年

核心收录：

学科分类：11[军事学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 1109[军事学-军事装备学] 

基　　金：近地面探测技术重点实验室基金(6142414220406) 陕西省重点研发计划项目(2021GXLH-01-15) 太仓市重点研发计划项目(TC2019SF03) 

主　　题：目标识别 YOLOv5s网络 剪枝 网络轻量化:知识蒸馏 

摘      要：在智能雷探测目标的过程中，通过边缘设备对目标进行实时识别尤为重要，而考虑到嵌入式设备存在资源受限等多方面的问题，对于目标识别网络轻量化的需求逐渐凸显。针对战场目标图像较少、对比度低等问题，提出一种名为YOLOF的战场低空目标识别算法。该算法基于YOLOv5s网络模型，使用循环对抗网络应用于图像增强；通过融合RepVGG模块和SiLU激活函数，依靠结构重参数化和更高效的激活函数，提升了模型的特征提取能力和推理速度；再以基于滤波器重要性的剪枝算法，精确评估和删除权重影响较低的滤波器，优化了模型的结构，提升了计算和存储效率；而后通过基于特征层次的知识蒸馏方法，使教师模型向学生模型的特征层进行知识传递，保持了剪枝后模型的高性能。实验结果表明，所提的YOLOF算法相较初始YOLOv5s算法，可以在保证高精度目标识别的同时，实现网络结构的轻量化，即参数量仅有3.6×106，平均精度均值在自制数据集中达到86.3％，以满足战场低空目标的识别要求。