YOLO-LDD:轻量级无人机检测算法

摘要

针对在无人机目标检测中现有检测算法模型过大、速度较慢、复杂度过高等问题，提出一种基于YOLOv5n的改进型轻量级无人机检测算法YOLO-LDD.首先，在YOLOv5n基础上引入多样化分支模块DBB和C3模块融合重构为C3＿DBB模块，增强单个卷积的表征能力；其次，在颈部网络中引入重参数化结构卷积RepConv,提升检测速度；最后，通过层自适应幅度剪枝(LAMP)方法压缩模型，减少参数数量.实验结果表明，该算法可在保持良好检测性能的同时，降低计算和存储需求，并提高模型的效率和推理速度，平均精度达96.7%,参数量较YOLOv5n压缩73%,运算量减少60%,检测速度提升至原来的1.6倍.

关键词

无人机 / 目标检测 / YOLOv5n算法 / 轻量级 / 深度学习

基金资助

国家自然科学基金(批准号：61732005); 云南省哲学社会科学创新团队建设项目(批准号：2021CX01)