轻量级目标识别深度神经网络及其应用

• 作者: 付佐毅 周世杰 李顶根
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标识别 轻量化 剪枝
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 131-136
• 页数: 6页
• 分类号: TP183
• 字数: 6360字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0024

摘要

针对当前一些主流的深度神经网络模型旨在追求准确率的提升,而忽略了模型的实时性及模型大小问题,提出了一种轻量级目标识别深度神经网络.基于深度分离卷积、分组卷积等轻量化的高效卷积方式,设计了用于图像特征提取的不变分辨率卷积模块和下采样模块,并依此构建了深度主干网络,并对网络进行了减枝.在创建的数据集上对视觉感知的目标识别模型进行了实验验证,获得了72.7％的mAP,在NVIDIA 1080Ti GPU上推理速度达到66.7帧/s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李顶根	华中科技大学能源与动力工程学院	72	430	12.0	18.0
2	周世杰	华中科技大学中欧清洁与可再生能源学院	2	0	0.0	0.0
3	付佐毅	华中科技大学能源与动力工程学院	1	0	0.0	0.0