基于轻量化网络设计的目标快速检测与识别方法研究

• 作者: 杨雨迎 李元超
• 来源期刊: 山东工业技术
• 学科: 工学
• 关键词: 轻量化网络 无人战车 YOLOv3 卷积神经网络 红外白光图像
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 工业技术
• 页码范围: 105-111
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16640/j.cnki.37-1222/t.2020.05.019

摘要

针对传统的目标检测算法难以实现无人战车在高帧率、红外白光条件下目标检测与识别的问题,提出了一种基于轻量化网络的目标快速检测与识别方法.首先在分析目标检测与识别技术路线和总体结构基础上,采用YOLOv3算法,以Mobi l eNetV2为基础框架,实现网路的轻量化设计;其次,通过采集数量目标红外和白光图像,建立目标图像数据集;最后,利用MobileNet-YOLOv3轻量化网络结构,完成红外图像数据集的训练.实验结果表明,比与原始网络结构,训练后的轻量化网络模型大小减少了80％,速度提升了一倍,在VOC2007与红外图像测试数据集上,mAP能达到75.24％,以上数据表明,轻量化后的网络能在红外、白光图像上实现快速地对目标检测与识别任务.