改进YOLOv3-SPP的无人机目标检测模型压缩方案

摘要：

无人机设备算力低下,深度模型计算量过大不适合直接部署,航拍图像目标小并且密集,模型对目标识别分类效果也不佳.为了提高深度模型航拍目标检测的精度和速度,降低计算量.对YOLOv3-SPP模型进行改进,将GIoU代替平方和用作定位损失,提高定位精度.提出了一种数据集优化和数据增强方法.再针对特定类别按照权值进行采样处理均衡化类别数量.随机组合不同场景样本组成批训练,提高模型训练效率和检测鲁棒性.再对模型进行压缩,在BN层添加缩放因子进行稀疏训练和通道剪枝的基础上,通过缩放因子衡量模型残差层重要性,修剪不重要残差,进一步减小前向推理层数和参数.实验表明,模型参数量减小了95.7％,模型大小减小95.82％,同等算力下模型推理速度提高为原来3倍.且精度和速度均高于最新YOLOv5系列轻量模型.

关键词：目标检测;无人机;通道剪枝;模型压缩;YOLOv3

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏高校优势学科建设工程PAPD;南京航空航天大学研究生创新基地实验室开放基金

在线出版日期：2021-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：165-173