基于YOLOv4优化的轻量级无人机障碍物检测方法

来源：电子测量技术杂志2022年第22期北京时间：

作者：白俊卿，张文静

单位：西安石油大学计算机学院 西安 710065

摘要：无人机平台内存小、计算资源有限。针对经典检测方法的网络结构复杂、检测速度慢等问题，提出一种基于轻量化的实时检测方法。首先，将轻量化模型MobileNetv3代替CSPDarknet53作为主干网络并融合有效通道注意力机制从而减小模型内存占用。其次，引入残差结构融合模块RFM，增强网络的特征提取能力。为了进一步提高障碍物检测的泛化能力和算法的收敛速度，采用Control Distance-IOU损失函数替换CIOU损失函数进行网络训练。实验结果表明，在与原模型检测效果基本相同的情况下，改进后的模型内存占比减少了80%仅39.5M，FPS提高了168%达到49.21帧/s。

关键词：YOLOv4;轻量化MobileNetv3网络;ECA;障碍物检测;残差结构