基于模型压缩YOLOv4的弹载图像舰船目标实时检测
2021-10-15王曙光杨传栋
兵器装备工程学报 2021年9期
雷 鸣,王曙光,凌 冲,杨传栋,秦 杰
(陆军炮兵防空兵学院 高过载弹药制导控制与信息感知实验室, 合肥 230031)
1 引言
如何将性能优越的目标检测算法移植到弹载平台,实现图像制导弹药的自寻的打击,并且满足准确率、功耗和实时性要求是图像制导弹药的重要发展趋势。弹载平台是指通过舰炮、榴弹炮、迫击炮和火箭炮等发射的精确制导弹药上搭载的嵌入式平台。弹载平台是一个高速旋转且不断前进的平台,会造成图像抖动、旋转、失焦和尺度变化较大等问题,不仅对目标检测算法的实时性和精度有着较高要求,而且需要算法有较好的尺度适应性和鲁棒性。弹载图像目标检测技术指的是利用弹载摄像机获取的图像进行逐帧(场)分析计算,获得目标的位置、大小和类别信息的技术,是智能弹药发展的关键技术之一。传统弹载图像目标检测算法主要有模板匹配法、特征统计法、图像分割法等。虽然传统目标检测算法在硬件平台上实际应用成熟,但是人工设计算法来提取特征对研究者经验要求较高,在光照、尺度和背景变化的情况下鲁棒性不足。近年来,基于深度学习的目标检测技术得到广泛应用,省去了人工提取特征的步骤,是一种更为高效的方法。
值得注意的是,深度学习算法在弹载平台上的移植要考虑运算资源占用的问题。目前,深度学习目标检测算法YOLOv4(You Only Look Once v4)[1]集成多种先进算法策略,在MS COCO数据集的实时检测速度约为65 FPS,平均精度均值为43.5%,相比上一代YOLOv3算法分别提高12%和10%。……
登录APP查看全文
