文章详情
| 稿件标题： | 基于改进YOLOv8n的轻量化未爆弹检测方法 |
| 稿件作者： | 黄启东,张彬彬,夏良 |
| DOI： | 10.11809/bqzbgcxb2024.10.039 |
| 科学编辑： | 汪进文 博士（南京理工大学自动化学院 副研究员） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 目标检测；未爆弹；YOLOv8n；注意力机制；通道剪枝 |
| 文章摘要： | 未爆弹因其隐蔽性强、位置分布复杂、易于意外引爆等特点，对公共安全构成严重威胁。目前深度学习在目标检测方面取得重大进展，但由于未爆弹数据集收集制作难、应用范围有限等客观因素，加之深度模型体积大，导致深度模型对未爆弹检测精度不高且不能轻量化部署于无人排爆装备。对此提出了一种基于改进YOLOv8n的轻量化未爆弹检测方法。通过在骨干网络中引入基于跨空间学习的高效多尺度注意力模块EMA用于增强特征提取，同时运用Network Slimming模型剪枝策略以损失一定精度换取模型体积、运算量的大幅降低和帧率的大幅提高。实验表明，使用所提方法改进后的模型与原模型相比，在精度上提升3.4%，模型大小减小31.5%，运算量减小33.8%，FPS帧率提高29.2%。 |
| 引用本文格式： | 黄启东,张彬彬,夏良.基于改进YOLOv8n的轻量化未爆弹检测方法［J］.兵器装备工程学报，2024，45(10)：309-316. HUANG Qidong, ZHANG Binbin, XIA Liang.Lightweight unexploded ordnance detection method based on improved YOLOv8n［J］.Journal of Ordnance Equipment Engineering，2024，45(10)：309-316. |
| 刊期名称： | 2024年10期 |
| 出版时间： | 2024年10月 |
| 收稿日期： | 2024-04-26 |
| 修回日期： | 2024-05-31 |
| 录用日期： | 2024-07-27 |
| 上线时间： | 2024年10月31日 |
| 浏览次数： | 502 |
| 下载次数： | 33 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |