Балансировка комплексной производительности алгоритмов обнаружения глубокого обучения в реальном времени обработки дистанционного зондирования и сложность развертывания на встроенных космических устройствах, на основе алгоритма YOLOX-s, представляет быстрый алгоритм определения оптических целей дистанционного зондирования LAD-YOLOX (Lightweight Aircraft Detection YOLOX) к направленной встроенной платформе. Во-первых, в проектировании аппаратной сети восприятия основывается на ShuffleNetv2, настроить сверхлегкие, высокоточные блоки ES-Block (Enhanced ShuffleNet Block), реконструировать исходную сеть извлечения основных особенностей; во-вторых, интегрировать GSConv для построения легковесной сети слияния характеристик GS-Neck, сбалансировать соотношение параметров между передней и задней частью структуры, снизить вычислительную сложность, при этом уменьшить потери точности; затем, разработать легковесную структуру сети развязанных обнаружения головного устройства, дальше повысить кодирование характеристик классификации и расположения целей авиации, уменьшить общее количество параметров модели, улучшить производительность обнаружения; наконец, заменить функции потерь предсказания уверенности Varifocal Loss и потери расположения границы рамки SIoU Loss в алгоритме LAD-YOLOX, с целью повысить скорость сходимости модели обучения и точность вывода. На основе открытого набора данных RSOD дистанционного зондирования и собственного набора данных для самолетов, выполнить сравнительный эксперимент с другими моделями SOTA, для проверки предложенного в этой статье алгоритма LAD-YOLOX. Результаты показывают: на наборе данных RSOD дистанционного зондирования, вычислительная сложность алгоритма LAD-YOLOX сокращается до 43.72% от исходной модели YOLOX-s, при этом потеря точности обнаружения составляет 0.2%, скорость обнаружения увеличивается до 24 кадра в секунду; предложенный в этой статье метод позволяет завершить развертывание и ускорение алгоритма на вычислительном блоке XILINX EK-U1-ZCU102-G, со скоростью обнаружения собственного набора данных по крайней мере 26.53 кадра в секунду, чтобы удовлетворить потребность в точном обнаружении в реальном времени.

Дистанционное зондирование; Обнаружение целей в реальном времени; Легкость; YOLOX; Набор данных RSOD; ZCU102