基于改进YOLOv4的无人机航拍目标检测算法

针对无人机航拍目标检测对检测速度的高要求以及航拍图像小目标较多时易出现漏检、误检的问题,提出一种基于改进 YOLOv4 的无人机航拍目标检测算法.首先,引入轻量级网络MobileNetv3 替换YOLOv4 的主干特征提取网络,并采用深度可分离卷积替换网络其余部分的 3×3 标准卷积,降低了模型复杂度,提升了检测速度;其次,增加了针对小目标的 104×104 的浅层检测层,将原特征提取网络的 3 种检测尺度扩展为 4 种,对应加深特征融合网络层数,提升了算法对小目标的检测精度;最后,采用 K-means++聚类算法重新设计了初始锚框,加快了网络的收敛速度.在无人机航拍数据集上进行了对比实验,结果表明所提算法与原算法相比,在保证平均检测精度的同时,提升了小目标检测精度,且模型参数量减少了 60%,检测速度提升了 15.2%,在实时性和准确性方面均有较好性能.