融合CBAM的YOLOv4轻量化检测方法
文献类型：期刊论文
| 作者 | 任丰仪; 裴信彪; 乔正; 白越 |
| 刊名 | 小型微型计算机系统
 |
| 出版日期 | 2022 |
| 页码 | 8 |
| 英文摘要 | 基于深度学习的目标检测算法应用于无人机视觉中，会极大提升无人机的场景理解能力，但模型参数量和计算量巨大，难以应用于移动端或嵌入式平台。因此本文提出了一种效果较好的轻量级实时检测模型，采用Yolov4模型网络作为主要参考模型，使用MobileNet替换主干网络，并通过添加CBAM注意力机制以及Soft-NMS后处理策略来提高模型的准确性。选用PASCAL VOC数据集来测试所提出的轻量级YOLOv4模型，结果显示参数量只有原模型的一半，但速度fps提升了26.48，精度mAP只下降了0.52%。将所提出的轻量化Yolov4模型部署Nvidia Jetson TX2低功耗系统以及树莓派上，飞行试验显示在TX2上模型fps达到了21.8，是原始的Yolov4的4.74倍，将本算法部署到无人机装载的嵌入式平台上，能够对航拍视野中的车辆目标进行实时识别和定位。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/66299]  |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 作者单位 | 1.中国科学院大学 2.中国科学院长春光学精密机械与物理研究所 |
| 推荐引用方式 GB/T 7714 | 任丰仪,裴信彪,乔正,等. 融合CBAM的YOLOv4轻量化检测方法[J]. 小型微型计算机系统,2022:8. |
| APA | 任丰仪,裴信彪,乔正,&白越.(2022).融合CBAM的YOLOv4轻量化检测方法.小型微型计算机系统,8. |
| MLA | 任丰仪,et al."融合CBAM的YOLOv4轻量化检测方法".小型微型计算机系统 (2022):8. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。