10.3969/j.issn.1007-130X.2022.02.017
用于人体检测的YOLOv3改进及压缩算法的研究
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.
YOLOv3、人体检测、密集连接结构、多分支结构、模型压缩
44
TP391(计算技术、计算机技术)
陕西省科技计划;西安市科技计划
2022-03-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
312-320