用于人体检测的YOLOv3改进及压缩算法的研究

摘要：

针对Yolov3算法应用于人体检测中的准确率低,参数量、计算量和模型体积大难以在资源有限的嵌入式平台上实现等问题,提出了YOLOv3改进及其模型压缩算法.在YOLOv3中通过引入密集连接与多分支结构,增加网络宽度和多尺度感受野,加强特征重用,提高了模型的检测精度;对改进的YOLOv3通过联合优化权重损失函数和BN层缩放因子的L1正则项等方式进行通道剪枝,从而减小了参数量和计算量,模型体积得到了大幅压缩.实验结果表明,改进后YOLOv3算法的检测精度提升了6.01％,模型体积减小了38.46％;经过压缩后,模型的检测精度虽然降低了3.16％,但模型体积仅为原来的3.31％,只有4.77 MB.因此,通过改进和压缩后的YOLOv3仍然保持较高的检测精度,而且模型体积得到大幅度的压缩,为YOLOv3模型在嵌入式平台上实现人体检测提供了支撑.

关键词：YOLOv3、人体检测、密集连接结构、多分支结构、模型压缩

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省科技计划;西安市科技计划

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：312-320