ドローン空撮画像などの複雑な背景下での小さな対象物検出能力を向上させるため、本論文ではYOLOv4ネットワークを基盤に注意機構を導入した軽量小物体検出ネットワークを提案する。まず、チャネル注意機構にマルチスケール融合モジュールを加え、多手法特徴抽出器を構築し、設計したチャネル注意モジュールをYOLOv4の特徴抽出ネットワークに組み込むことで、ネットワークの画像の関心領域への注目能力を強化した。次に、YOLOv4のネットワーク構造を改良し、浅層特徴層と深層特徴情報の融合機構を追加して豊富な解像度情報を取得した。最後に、チャネルプルーニングと知識蒸留戦略を用いて改良後のネットワークモデルを最適化し、微小な精度損失の前提でモデルパラメータ数を大幅に削減した。実験結果は、ドローン空撮データにおいて、本論文で提案した軽量小物体検出ネットワークが元のネットワークに比べてモデルサイズを93.6%削減し、推論速度を52.6%向上させ、mAPを2.9%向上させたことを示している。布地欠陥データセットでは、モデルサイズが92.1%削減され、推論速度が49.5%向上し、mAPが2.2%向上し、複雑な背景下での小物体検出効果を有効に改善しつつ、ネットワークの軽量化を実現した。

対象検出;YOLOv4ネットワーク;注意機構;特徴融合;ネットワーク圧縮