来源：期刊VIP网 时间：
作者：党兰学;李赞;苗长伟;崔金华;赵雅靓;
单位：河南大学河南省大数据分析与处理重点实验室;中核勘察设计研究有限公司;华中科技大学计算机与信息工程学院;河南大学计算机与信息工程学院;
摘要：无人机载平台中的目标检测在军事和民用领域具有重要的应用价值.然而，现有的检测方法通常侧重于多尺度目标检测，缺乏对小目标的优化，且模型复杂度过高，难以在资源受限的机载平台中应用.为此，本文提出了一种面向无人机载平台的轻量级小目标检测算法YOLOH(You Only Look One Head).首先，针对小目标对基准网络优化，移除深层特征以减少模型参数量，增加浅层特征以获取小目标信息.其次，在特征融合部分加入NAM注意力，增强对小目标的感知能力.接着，设计了多感受野聚焦模块MRFF,以挖掘特征图的感受野信息，增强模型的多尺度检测能力.最后，使用LAMP算法对模型剪枝，去除冗余神经元以压缩模型.实验结果表明，与YOLOv8s相比，YOLOH的模型参数量和计算量分别减少了92%和35%,FPS提高了57%.在VisDrone2019和CARPK数据集上AP_S分别提高了3.3%和3.7%.与其他轻量级模型相比，所提YOLOH具有最佳的整体性能，同时平衡了模型大小、精度和推理速度，为无人机载平台的目标检测提供了有效的解决方案.
关键词：机载平台;;YOLOH;;小目标检测;;轻量级;;多感受野
基金资助：河南省高校科技创新团队支持计划(24IRTSTHN021);; 河南省研究生教育改革与质量提升工程项目(YJS2024JD30);河南省研究生教育改革与质量提升工程项目(YJS2023JD28)
