融合空洞卷积的轻量化目标检测
为了轻量化模型,便于移动端设备的嵌入,对YOLOv4网络进行了改进.首先,用MobileNetV3作为主干网络,并使用深度可分离卷积替换加强特征提取网络的普通卷积,降低模型参数量;其次,在104×104特征图输出时融合空洞率为2的空洞卷积,与52×52的特征层进行特征融合,获取更多的语义信息和位置信息,细化特征提取能力,提升模型对极小目标的检测性能;最后,将原来的池化层使用3个5×5的Maxpool进行串联,减少计算量,提升检测速度.实验结果表明,在华为云2020数据集上,改进算法的mAP比YM算法提高了2.33%,在公共数据集VOC07+12上,mAP提高了3.12%,FPS比原来的YOLOv4算法提高了一倍多,参数量降低至原来的18%,证明了改进算法的有效性.
MobileNetV3、YOLOv4、空洞卷积、轻量化、深度可分离卷积
32
TP391.41;G822.2;TU984.191
国家自然科学基金;贵州省科技支撑计划
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
379-386