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.