轻量化目标检测算法研究及应用

摘要：

基于卷积神经网络的目标检测算法在追求较高精度的同时,忽略了检测速度,使得算法难以在有限算力的情况下实现实时检测.在YOLO目标检测算法的基础上,采用一系列轻量化的方法,运用Mobilenetv1网络替换Darknet53基础网络,将YOLO head部分3×3标准卷积替换为深度可分离卷积,根据灵敏度对卷积层滤波器进行排序和修剪,并在嵌入式GPU TX2平台上进行C++推理部署.在VOC数据集上的测试结果表明,改进算法在精度仅下降0.75个百分点的前提下实现了2.4倍加速,模型占用内存仅为原来的21.5％.

关键词：目标检测;轻量化;深度可分离卷积;剪枝;嵌入式GPU;C++推理部署

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：科技委创新项目G158207

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：236-241