드론 촬영 이미지와 같은 복잡한 배경 상황에서 소형 객체 검출 능력을 향상시키기 위해, 본 논문에서는 YOLOv4 네트워크를 기반으로 주의 메커니즘을 도입한 경량 소형 객체 검출 네트워크를 제안한다. 우선, 채널 주의 메커니즘에 다중 스케일 융합 모듈을 추가하고 다중 방식 특징 추출기를 구축한 후, 설계한 채널 주의 모듈을 YOLOv4 특징 추출 네트워크에 삽입하여 네트워크가 이미지 관심 영역에 더 집중할 수 있도록 강화하였다; 다음으로, YOLOv4 네트워크 구조를 개선하여 얕은 층 특징과 깊은 층 특징 정보 융합 메커니즘을 추가하여 풍부한 해상도 정보를 획득하였다; 마지막으로, 채널 가지치기와 지식 증류 전략을 사용하여 개선된 네트워크 모델을 최적화하였으며, 미세한 정확도 손실을 전제로 모델 파라미터 수를 대폭 줄였다. 실험 결과 드론 촬영 데이터에서 제안한 경량 소형 객체 검출 네트워크는 기존 네트워크 대비 모델 크기를 93.6% 감소시키고 추론 속도를 52.6% 향상시키며 mAP를 2.9% 증가시켰다; 또한, 직물 결함 데이터셋에서는 모델 크기가 92.1% 감소하고 추론 속도가 49.5% 향상되며 mAP가 2.2% 상승하여 복잡한 배경에서 소형 객체 검출 효과를 효과적으로 개선하면서 네트워크 경량화도 달성하였다.

객체 검출;YOLOv4 네트워크;주의 메커니즘;특징 융합;네트워크 압축