激光与红外

作者：蒋行国

单位：1.四川轻化工大学 自动化与信息工程学院,四川 宜宾 644000；2.人工智能四川省重点实验室,四川 宜宾 644001；

关键词：边缘计算平台;无人机;FasterNet;预测头;剪枝

基金：四川轻化工大学人才引进项目(No.2019RC12)；四川省科技计划项目(No.2024YFHZ0026)资助。

针对无人机航拍视角目标检测空间尺度变化大、物体像素占比少,算法部署边缘计算平台存储空间占比大等问题。本文基于YOLOv8n网络结构,提出一种改进航拍视角轻量化小目标检测方法DSF YOLO P算法。首先,主干网络C2f模块融合FasterNet,组成Faster C2f轻量化模块,以保证模型在不影响检测精确度的同时实现网络轻量化与提升检测速度。然后,新增160×160预测头并重构网络通道,以提升模型对小型目标检测的准确度及鲁棒性。改进后的DSF YOLO算法在可见光数据集VisDrone2019 与红外数据集HIT UAV上准确度分别提升25与06,参数量降低10。最后,将DSF YOLO算法进行依赖图剪枝操作,减少模型冗余参数又不影响模型性能。剪枝后的DSF YOLO P算法在VisDrone2019 数据集上相较于DSF YOLO算法,精确度不变,计算量与参数量分别降低45与26。实验结果充分证明了DSF YOLO P算法在无人机航拍视角小目标检测中的有效性。

来源：2025年第3期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第3期