改进SSD模型的设计与实现

摘要：

针对当下主流的目标检测模型在资源受限的嵌入式设备上无法实时检测的问题,提出一种平衡检测精度和检测速度的目标检测模型.在SSD模型的基础上,用轻量化网络MobileNetV3作为主干网络,降低特征提取时的计算耗时;通过特征融合将主干网络中的高层和低层特征进行融合作为预测输出层,使该特征输出包含丰富的分类和定位信息;针对嵌入式设备浮点计算效率低的问题,采用感知量化方法将模型的权重转换为INT8类型.实验结果表明,在嵌入式设备上采用Udacity数据集评估SSDLite-tiny模型,其精度(mAP)和帧数(FPS)分别达到了 18.1和75.08.

关键词：深度学习、目标检测、模型压缩、轻量化网络、特征融合、量化压缩、嵌入式

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广西自然科学基金项目;广西科技基地和人才专项基金项目;广西创新驱动重大专项基金项目;桂林市科学研究与技术开发计划基金项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2874-2880,封3