摘要
تحدى الأداء المتوازن الشامل لخوارزميات الكشف عن التعلم العميق في مهام معالجة الصور عن بعد في الوقت الحقيقي وصعوبة نشرها على أجهزة الصاروخ المضبوطة الداخلية، بناء على خوارزمية YOLOX-s ، يتم تقديم خوارزمية سريعة للكشف عن أهداف الطائرات بصرية عن بعد LAD-YOLOX (Lightweight Aircraft Detection YOLOX) تجاه البيئة المضبوطة. أولاً ، في تصميم شبكة الاستشعار الأجهزة ، يتم تحديث شبكة الاستخراج الخفيفة عالية الدقة بناءً على شبكة ShuffleNetv2 لتصميم وحدة ES-Block (Enhanced ShuffleNet Block) الفائقة الخفيفة. إعادة بناء شبكة الاستخراج السمات الأساسية الأصلية. ثانياً، تم إدخال شبكة GSConv لبناء شبكة دمج سمات العنق خفيفة الوزن GS-Neck ، مما يجعل تناسب الكمية بين الجزء الأمامي والخلفي من الهيكل أكثر توازناً، مما يخفض الجمع المعقد للحساب وفي الوقت نفسه فقدان الدقة أقل. ثالثاً، تم تصميم هيكل رأس كشف من-فك تصريف خفيف الوزن لتعزيز ترميز الميزات لتصنيف وتحديد مواقع الطائرات، وخفض كمية معلمات النموذج، وتحسين أداء الكشف. أخيراً، تم تبديل دالة فقدان التنبؤ بالثقة Varifocal Loss ودالة فقدان تحديد الإطار SIoU Loss في خوارزمية LAD-YOLOX ، لتحسين سرعة تدريب النموذج ودقة البرهان. استنادًا إلى مجموعة بيانات RSOD للكشف عن الصور البعيدة ومجموعة بيانات الطائرات المصنوعة ذاتيًا ، تم تنفيذ تجربة افتراضية لمقارنة نماذج SOTA الأخرى مع خوارزمية LAD-YOLOX المقترحة في هذه الورقة. تظهر النتائج: في مجموعة البيانات RSOD للكشف عن الصور البعيدة ، يتم ضغط الحساب لخوارزمية LAD-YOLOX إلى 43.72٪ من نموذج YOLOX-s الأصلي ، مع فقدان دقة الكشف بنسبة 0.2٪ ، وزيادة سرعة الكشف إلى 24 إطارًا في الثانية. تتيح هذه الطريقة المقترحة في هذه المقالة إكمال نشر الخوارزمية وتسريعها في منتج XILINX EK-U1-ZCU102-G ، مع الحفاظ على سرعة الكشف على مجموعة البيانات المصنوعة ذاتيًا على الأقل 26.53 إطار في الثانية ، لتلبية حاجة الكشف الدقيق في الوقت الحقيقي.
关键词
الاستشعار عن بعد ، الكشف عن أهداف في الفضاء ، التخفيف ، YOLOX ، مجموعة بيانات RSOD ، ZCU102