基于改进YOLOv5的轻量化航空目标检测方法

来源：信息与控制杂志2022年第3期北京时间：

作者：杨小冈, 高凡, 卢瑞涛, 李维鹏, 张涛, 曾俊

摘要：为解决硬件平台资源受限条件下的实时航空目标检测需求，在基于改进YOLOv5的基础上，提出了一种针对移动端设备/边缘计算的轻量化航空目标检测方法。首先以MobileNetv3为基础搭建特征提取网络，设计通道注意力增强结构MNtECA (MobileNetv3 with Efficient Channel Attention)提高特征提取能力；其次在深度可分离卷积层增加1×1的卷积，在减少卷积结构参数的同时提高网络的拟合能力；最后对检测网络进行迭代通道剪枝实现模型压缩和加速。实验选取DIOR (Object Detection in Optical Remote Sensing Images)数据集进行训练和测试，并在嵌入式平台(NVIDIA Jetson Xavier NX)对轻量级模型进行推理验证。结果表明，所提出的轻量级模型大幅降低了参数和计算量，同时具有较高精度，实现了移动端设备/边缘计算的实时航空目标检测。

关键词：深度学习, 目标检测, 注意力, 模型压缩, 通道剪枝