10.19678/j.issn.1000-3428.0059168
轻量化目标检测算法研究及应用
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%.
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
47
TP391.41(计算技术、计算机技术)
科技委创新项目G158207
2021-10-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
236-241