基于模型剪枝和半精度加速改进YOLOv3-tiny算法的实时司机违章行为检测

• 作者: 姚巍巍 张洁
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 目标检测 司机行为识别 模型剪枝 半精度加速
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 专论·综述
• 页码范围: 41-47
• 页数: 7页
• 字数: 4809字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007348

摘要

为解决在嵌入式设备上实时、高精度检测司机安全驾驶监督的问题,本文基于目标检测中经典的深度学习神经网络YOLOv3-tiny,运用通道剪枝技术成功在目标检测任务中实现了模型压缩,在精度不变的情况下减少了改进后神经网络的计算总量和参数总数.并基于NVIDIA的推理框架TensorRT进行了模型层级融合和半精度加速,部署加速后的模型.实验结果表明,加速模型的推理速度约为原模型的2倍,参数体积缩小一半,精度无损失,实现了高精度下实时检测的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张洁	西南交通大学机械工程学院	45	455	10.0	20.0
2	姚巍巍	西南交通大学机械工程学院	2	0	0.0	0.0