改进的YOLOv4-tiny算法及其在无人机目标检测中的应用

无人机目标检测可用于反制无人机的场景，为了便于算法在嵌入式设备部署通常需要采用轻量的模型。YOLOv4目标检测算法的轻量化版本YOLOv4-tiny具有较快的检测速度，然而其网络结构较为简单，检测精度偏低。为了进一步提升模型的检测精度，提出了YOLO-L2模型。选用YOLOv4-tiny的主干网络进行特征提取，并采用基于协调注意力机制的路径聚合网络对特征进行融合，融合过程中使用一组可学习的系数进行加权；在最深的特征层嵌入一个级联残差模块ResBlock-L2用来增大感受野并融合不同感受野特征；最后提出了边框损失函数MEIoU来替换CIoU。改进后的算法检测效果更精准，相比于YOLOv4-tiny,在VOC数据集和自制的UAV-L数据集中mAP分别提高了3.19%和3.95%,并且满足实时性的要求。