10.19678/j.issn.1000-3428.0062216
轻量化的YOLOv4目标检测算法
YOLOv4目标检测算法主干网络庞大且参数量和计算量过多,难以部署在算力和存储资源有限的移动端嵌入式设备上.提出一种改进的YOLOv4目标检测算法,使用轻量化的ShuffleNetV2网络作为主干特征提取网络,更换模型激活函数及扩大卷积核,同时将YOLOv4网络中的普通卷积替换为深度可分离卷积,降低算法参数量、计算量和模型占用空间.在ShuffleNet V2网络结构的改进过程中分析并剪裁其基本组件,利用2个3×3卷积核级联的方式增强网络感受野,并使用Mish激活函数进一步提升网络检测精度和模型推理速度.在GPU平台和VisDrone 2020数据集上的实验结果表明,与YOLOv4算法相比,改进的YOLOv4算法在牺牲1.8个百分点的检测精度情况下,提高了 27%的检测速度,压缩了 23.7%的模型容量,并且能够充分发挥ZYNQ平台并行高速数据处理及低功耗的优势.
YOLOv4目标检测、ShuffleNet V2网络模型、卷积运算、轻量化网络、ZYNQ平台
48
TP393(计算技术、计算机技术)
辽宁省自然科学基金面上项目;辽宁省教育厅科学研究项目
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
206-214