基于YOLO-v3模型压缩的卫星图像船只实时检测

• 作者: 张叶 陈科峻
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 船只检测 YOLO-v3 聚类算法 模型压缩 通道剪枝
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 图像处理
• 页码范围: 1168-1176
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.37188/YJYXS20203511.1168

摘要

常见的目标检测模型由于模型参数量较大,往往难以部署在无人机、卫星等移动嵌入式设备上.为了对船只进行实时监测,将目标检测模型部署在计算能力较弱的设备上,对基于计算机视觉的卫星图像船只目标检测方法进行研究.针对卫星图像中船舰的形状长宽比例特点,采用K-means++聚类算法选取初始的锚点框;接着对模型进行多尺度训练,将多尺度金字塔图像作为模型训练的输入;将YOLO-v3目标检测算法的批归一化层的尺度因子作为通道重要性的度量指标,对YOLO-v3模型进行剪枝压缩.实验结果表明,采用的模型剪枝和压缩方法能有效地对模型进行压缩,模型的参数量减少了91.5％,模型检测时间缩短了60％,极大地减少了系统计算性能的开销.当采用的初始锚点框个数为6个时,平均准确率(mAP)达到77.31％,满足了卫星图像船舰实时性检测的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张叶	中国科学院长春光学精密机械与物理研究所	36	621	12.0	24.0
2	陈科峻	中国科学院长春光学精密机械与物理研究所	2	0	0.0	0.0