10.3969/j.issn.1672-9730.2019.10.012
基于SSD-Mobilenet模型的目标检测
为缩短在目标检测时模型的训练时间,加快网络的收敛速度,论文采取了一种卷积神经网络模型与迁移学习相结合的方法.SSD-Mobilenet模型结合了SSD网络检测速度快和Mobilenet轻量型网络占用内存少的优点.首先,使用COCO数据集将SSD-Mobilenet模型进行预训练,得到模型参数、瓶颈描述因子,然后用Pets数据集重新训练网络的全连接层,运用迁移学习的思想,可以实现在较少数据集的情况下,通过短时间的训练模型即可收敛.实验结果显示总训练时长约为11个小时,检测准确率达到74.5%.由此表明,采用SSD-Mobilenet模型与迁移学习相结合的方法可以缩短模型训练时间、加速模型的收敛速度且检准率比较高.
目标检测、卷积神经网络、SSD-Mobilenet、迁移学习
39
TP242.6(自动化技术及设备)
2019-11-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
52-56