Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 融合CBAM的YOLOv4轻量化检测方法 | |
| 任丰仪; 裴信彪; 乔正; 白越 | |
| 2022 | |
| 发表期刊 | 小型微型计算机系统
 |
| 页码 | 8 |
| 摘要 | 基于深度学习的目标检测算法应用于无人机视觉中，会极大提升无人机的场景理解能力，但模型参数量和计算量巨大，难以应用于移动端或嵌入式平台。因此本文提出了一种效果较好的轻量级实时检测模型，采用Yolov4模型网络作为主要参考模型，使用MobileNet替换主干网络，并通过添加CBAM注意力机制以及Soft-NMS后处理策略来提高模型的准确性。选用PASCAL VOC数据集来测试所提出的轻量级YOLOv4模型，结果显示参数量只有原模型的一半，但速度fps提升了26.48，精度mAP只下降了0.52%。将所提出的轻量化Yolov4模型部署Nvidia Jetson TX2低功耗系统以及树莓派上，飞行试验显示在TX2上模型fps达到了21.8，是原始的Yolov4的4.74倍，将本算法部署到无人机装载的嵌入式平台上，能够对航拍视野中的车辆目标进行实时识别和定位。 |
| URL | 查看原文 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/66299 |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 作者单位 | 1.中国科学院长春光学精密机械与物理研究所 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 任丰仪,裴信彪,乔正,等. 融合CBAM的YOLOv4轻量化检测方法[J]. 小型微型计算机系统,2022:8. |
| APA | 任丰仪,裴信彪,乔正,&白越.(2022).融合CBAM的YOLOv4轻量化检测方法.小型微型计算机系统,8. |
| MLA | 任丰仪,et al."融合CBAM的YOLOv4轻量化检测方法".小型微型计算机系统 (2022):8. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 融合CBAM的YOLOv4轻量化检测方法（1315KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [任丰仪]的文章 |
| [裴信彪]的文章 |
| [乔正]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [任丰仪]的文章 |
| [裴信彪]的文章 |
| [乔正]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [任丰仪]的文章 |
| [裴信彪]的文章 |
| [乔正]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论