基于FPGA的双源无轨电车的改进型YOLO-V3模型

摘要：

为实现双源无轨电车对集电盒的智能识别和挂载,基于第三版传统黑暗网络的主干网络单次检测(YOLO-V3)网络模型,提出以轻量化移动网络为主干网络的改进型YOLO-V3网络.通过数据集的处理、模型的设计、训练环境的搭建等完成了网络的部署,然后对模型规模、识别精度和处理速度等指标进行比较.结果显示改进型YOLO-V3网络使用更小的计算资源得到更优精度.网络部署在FPGA内部中央处理器的分散处理单元中.实车测试结果表明,改进网络明显优于其他传统网络.

关键词：YOLO-V3网络、移动网络、目标检测、FPGA、深度学习

所属期刊栏目：22

分类号：TN301.6(半导体技术)

资助基金：江苏省国际科技合作项目BZ2018031

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-85