10.19678/j.issn.1000-3428.0060948
基于改进YOLOv4算法的轻量化网络设计与实现
在嵌入式设备上进行目标检测时易受能耗和功耗等限制,使得传统目标检测算法效果不佳.为此,对YOLOv4算法进行优化,设计YOLOv4-Mini网络结构,将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理,其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量.采用SE模块为通道施加注意力机制,激活函数层运用h-swish非线性激活函数,在保证精度的情况下降低网络计算量.同时,通过量化感知训练将权重转为INT8类型,以实现模型轻量化,进一步降低网络参数量和计算量,从而在嵌入式设备上完成无人机数据集的目标检测任务.在NVIDIA Jetson Xavier NX设备上进行测试,结果显示,YOLOv4-MobileNetv3网络的mAP为34.3%,FPS为30,YOLOv4-Mini网络的mAP为32.5%,FPS为73,表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务.
目标检测;模型压缩;嵌入式设备;轻量化神经网络;模型量化;Jetson Xavier NX设备
48
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;天津市自然科学基金;天津市自然科学基金;天津市教委科研计划项目;天津市教委科研计划项目;天津市教委科研计划项目
2022-03-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
181-188