文章详情
| 稿件标题： | 基于改进YOLOv4与JetsonTX2的无人机实时目标检测方法 |
| 稿件作者： | 刘爱东，郭智超，徐君明，丛林虎 |
| DOI： | 10.11809/bqzbgcxb2022.04.033 |
| 科学编辑： | 都思丹 博士（ 南京理工大学教授） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | YOLOv4算法；目标检测；JetsonTX2平台；神经网络；无人机 |
| 文章摘要： | 针对在嵌入式设备上探测无人机时面临的实时性差、功耗高、加载速度慢等问题，提出了一种基于改进YOLOv4和JetsonTX2的实时目标检测模型。创新处在于使用MobileNetV3轻量级视觉网络代替YOLOv4基础网络CSPDarknet53；同时在PANet加强特征网络中使用深度可分离卷积代替普通卷积；而后通过TensorRT优化器对模型以后训练量化的方式将权重进行8位整型量化，减小了模型规模和参数量；通过使用Kmeans++对传统的锚框聚类算法进行了优化改进。最终该模型在JetsonTX2上测试，检测精度可达89.9%，检测速率从3.5 FPS提升至24.9 FPS。相较于原模型，该检测模型优势明显,满足了对无人机实时检测的具体需求。 |
| 稿件基金： | 国家自然科学基金项目(51605487) |
| 引用本文格式： | 刘爱东，郭智超，徐君明，等.基于改进YOLOv4与JetsonTX2的无人机实时目标检测方法［J］.兵器装备工程学报，2022，43(04)：204-210,229. LIU Aidong, GUO Zhichao, XU Junming, et al.UAV realtime target detection method based on improved YOLOv4 and JetsonTX2［J］.Journal of Ordnance Equipment Engineering，2022，43(04)：204-210,229. |
| 刊期名称： | 2022年04期 |
| 出版时间： | 2022年4月 |
| 上线时间： | 2022年4月28日 |
| 浏览次数： | 2817 |
| 下载次数： | 709 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |