面向无人机平台的轻量化目标检测网络

摘要

针对无人机端目标检测中存在图像尺度变化大、目标尺寸小和无人机机载嵌入式计算资源有限的问题,提出一种应用于无人机平台轻量化的目标检测网络。该网络以YOLOv5作为基准模型,首先增加检测分支以处理尺度变化的问题;然后提出基于归一化Wasserstein距离与传统IOU混合的小目标检测度量方法,用于解决小目标检测精度低的问题;随后提出FasterNet与C3融合的C3_FN轻量化网络结构,降低网络计算量,使其更适合无人机平台使用。最后将算法分别在仿真平台与嵌入式平台上利用无人机目标检测数据集VisDrone进行性能测试。仿真平台上的测试结果表明,本文提出的网络相较于基准网络在mAP0.5指标上提升了6.6%,mAP0.5-0.95指标上提升了4.8%,推理时间仅需45.9 ms,对比其他主流的无人机目标检测网络具有更好的检测效果。在嵌入式设备NVIDIA Jetson Nano上的测试结果表明,本文算法能够在有限的硬件资源下获得高精度接近实时的检测性能。