基于Efficientnet的无人机车辆目标检测算法

针对无人机航拍图像中存在背景复杂,造成车辆漏检严重,检测精度低,以及现有深度网络存在参数量过多、检测速度慢的问题,提出一种基于Efficientnet的无人机车辆目标检测算法。引入轻量化网络Efficientnet作为YOLOv3模型特征提取网络,降低模型参数量,从而提高算法检测速度;采用K-means聚类算法对无人机车辆数据集真实框进行聚类,得到更为精确的边界框尺寸,提高检测的精度;使用CIoU边界框损失函数改进模型回归损失,提高模型收敛能力。实验结果表明,改进后的算法在自制无人机车辆数据集中mAP达到92.60%,FPS达到31.15,相对于原始算法分别提高了2.12个百分点和9.87,更加适用于无人机场景下的车辆检测任务。