摘 要：针对因夜晚无可见光的条件下导致目标难以检测的问题，基于嵌入式平台应用设备，提出了无人目标检测的优化改进模型，提出了更优的检测速度与检测精度的模型。该优化改进后的模型以 YOLOv3-tiny 为基础框架，使用 Small BatchK-Means 聚类算法计算 anchor box 数量；在网络关键位置中使用注意力机制，通过强化检测目标关注以提高抗干扰能力。在KAIST Multispectral Pedestrian Detection Benchmark 数据集中的实验表明，该算法与传统 YOLOv3-tiny 算法相比在检测精度和速度上都有明显的提高。
关键词：卷积块注意力模块；YOLOv3-tiny；聚类算法
DOI:10.19850/j.cnki.2096-4706.2022.10.018
基金项目：国家自然科学基金项目（51475251）；山东省自然科学基金（ZR2013FM014）；山东省高等学校科技计划项目（J12LN37）；青岛市科技计划项目（15-9-2-109-nsh）
中图分类号：TP391.4 文献标识码：A 文章编号：2096-4706（2022）10-0073-05
Target Detection Algorithm Based on Embedded Mobile Terminal
LIU Xinchao, FANG Tong, DU Baoshuai, ZHAO Jingbo
(Qingdao University of Technology, Qingdao 266520, China)
Abstract: Aiming at the problem that it is difficult to detect the target under the condition of no visible light at night, based on the application equipment of embedded platform, this paper puts forward the optimization and improvement model of UAV target detection, and puts forward a model with better detection speed and detection accuracy. The optimized and improved model takes YOLOv3-tiny as the basic framework and uses Small Batch-K-Means clustering algorithm to calculate the number of anchor box; the attention mechanism is used in the key position of the network to improve the anti-interference ability by strengthening the attention of the detection target. Experiments in KAIST Multispectral Pedestrian Detection Benchmark data set show that the algorithm has significantly improved the detection accuracy and speed compared with the traditional YOLOv3-tiny algorithm.
Keywords: convolution block attention module; YOLOv3-tiny; clustering algorithm
参考文献：
[1] 朱壬泰，胡士强 . 基于四旋翼无人机平台的实时多目标检测算法 [J]. 计算机仿真，2020，37(4)：57-61.
[2] 崔博超， 郑江华， 刘忠军， 等 . 无人机遥感影像的YOLOv3 鼠洞识别技术 [J]. 林业科学，2020，56(10)：199-208.
[3] 徐融 . 基于 YOLOv3 的小目标检测算法研究 [D]. 南京：南京邮电大学，2020.
[4] 纪秋岑 . 基于 YOLOv3 的航拍绝缘子缺失检测研究 [D].沈阳：沈阳农业大学，2020.
[5] Emin Mirzat，Anwar Erpan，LIU Suhong，et al.Target detection-based tree recognition in a spruce forest area with a high tree density—implications for estimating tree numbers [J].Sustainability，2021，13(6)：3279-3279.
[6] MICHEAL A A，VANI K.Automatic object tracking in optimized uav video[J].J Supercomput，2019，75(8)：4986-4999.
[7] 童雪东，任明武 . 一种基于改进的 YOLOv3 的敏感目标检测方法 [J]. 计算机与数字工程，2021，49(12)：2585-2588+2638.
[8] 张达为， 刘绪崇， 周 维， 等 . 基于改进 YOLOv3 的实时交通标志检测方法 [J/OL]. 计算机应用：1-9.（2021-11-23）.http://kns.cnki.net/kcms/detail/51.1307.TP.20211122.1620.004.html
[9] 姚巍巍， 张 洁 . 基于模型剪枝和半精度加速改进YOLOv3-tiny算法的实时司机违章行为检测 [J].计算机系统应用，2020，29(4)：41-47.
[10] 马俊杰，黄大庆，仇男豪，等 . 基于合作目标识别的无人机相对位姿估计 [J]. 电子设计工程，2020，28(10)：1-6.
[11] 化嫣然，张卓，龙赛，等 . 基于改进 YOLO 算法的遥感图像目标检测 [J]. 电子测量技术，2020，43(24)：87-92.
[12] 佘逸飞，高军峰，闵祥德，等.基于CBAM Faster R-CNN的食道癌检测 [J]. 中南民族大学学报（自然科学版），2021，40（6）：631-638.
[13] 戴前维，谢宇，徐佳庆，等 . 基于改进视觉注意力机制的道路裂纹识别 [J]. 巢湖学院学报，2021，23(6)：122-127.
[14] 赵庶旭， 门士尧， 元 琳 . 基于卷积注意力机制的MobileNet 网络优化（英文）[J].Journal of Measurement Science and Instrumentation，2022，13（2）：225-234.
[15] 吴仁彪， 赵娅倩， 屈景怡， 等 . 基 于 CBAMCondenseNet 的航班延误波及预测模型 [J]. 电子与信息学报，2021，43(1)：187-195.
[16] 邬春明，齐森南 . 改进 K-means 聚类的自适应加权 K近邻指纹定位算法 [J]. 重庆邮电大学学报 ( 自然科学版 )，2021，33(6)：946-954.
作者简介：刘信潮（1996—），男，汉族，山东威海人，硕士研究生在读，研究方向：无人机定位导航、目标检测算法；房桐（1996—），男，汉族，吉林松原人，硕士研究生在读，研究方向：移动机器人室内定位与建图、目标检测；杜保帅（1998—），男，汉族，山东聊城人，硕士研究生在读，研究方向：深度学习、目标识别、机器人；赵景波（1971—），男，汉族，山东东平人，教授，副院长，研究生导师，博士研究生，研究方向：领域机器人工程、计算机控制。