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
基于改进YOLOv5的轻量化航空目标检测方法
最新推荐文章于 2024-04-07 01:21:39 发布
本文提出了一种基于改进YOLOv5的轻量化航空目标检测方法,适用于移动端设备和边缘计算。通过结合MobileNetv3与通道注意力增强结构MNtECA,减少卷积结构参数并应用通道剪枝,实现模型压缩和加速。实验证明,该轻量级模型在保持较高精度的同时,大幅降低了参数和计算量,实现了移动端的实时检测。
摘要由CSDN通过智能技术生成