基于L-FPN的无人机上小目标识别模型轻量化方法
2024-04-18魏昊坤刘敬一陈金勇楚博策孙裕鑫朱进
航空兵器 2024年1期
关键词:无人机
魏昊坤 刘敬一 陈金勇 楚博策 孙裕鑫 朱进



摘 要: 由于遥感图像拍摄的高度和设备不同导致每张图像的地面采样间隔(GSD)也不同, 许多小目标往往易被忽略, 遥感图像中旋转框目标检测成为当下研究热点。 现有的旋转框检测算法主要面向通用场景下的多尺度目标检测, 特征金字塔中特征融合计算操作复杂且耗时, 部署到无人机上的边缘端设备时面临很大的挑战。 因此本文针对该场景下的小目标检测提出基于L-FPN的无人机上小目标识别模型轻量化方法, 首先依据图像的GSD信息进行尺度归一化, 然后去除特征金字塔中冗余的高层特征图, 最后针对小目标检测调整锚框的尺寸。 本方法在DOTA数据集上进行训练验证, 结果表明本文提出的基于L-FPN的无人机上小目标识别模型轻量化方法在识别精度与传统模型一致的情况下, 模型参数量较原模型减少2.7%, 模型大小减少28%, 推理速度提升13.24%。
关键词: 目标检测; 特征金字塔; 模型轻量化; 遥感图像; 无人机
中图分类号: TJ760
文献标识码: A
文章编号: 1673-5048(2024)01-0097-06
DOI: 10.12132/ISSN.1673-5048.2023.0127
0 引 言
针对无人机对地运动目标检测场景中, 模型尺寸太大, 难以在无人机上高效运行进行研究。 现有的目标识别算法模型较大、 功耗较高, 经常会在高性能计算机上运行, 但受限于无人机上边缘端设备的计算能力以及存储空间, 算法直接移植到边缘端设备上, 太大的模型会导致运行效果变差, 甚至无法运行。 边缘端设备无法提供足够的功率来支持模型的运行。……
登录APP查看全文
