口罩佩戴识别中的Tiny-YOLOv3模型算法优化

• 作者: 曹远杰 高瑜翔 杜鑫昌 王亚飞
• 来源期刊: 成都信息工程大学学报
• 关键词: 深度学习 BN层合并 口罩识别 模型剪枝 卷积神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 154-158
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2021.02.005

摘要

针对深度学习网络(Tiny-YOLOv3)算法准确率不高以及更改网络模型后实时性的问题,提出一种网络改进方案和基于BN层剪枝的优化算法.将Tiny-YOLOv3的前四层池化层改为两步长的卷积层进行下采样以及增加特征的提取,将后两层池化层和第六个卷积层改为一个残差结构层,再利用BN层剪枝算法,将网络进行压缩和BN层合并来加速网络.改进优化后的模型算法相比原始Tiny-YOLOv3网络,在口罩佩戴识别的平均精确率(mAP)提升了 14％,模型体积只有19.2 MB,压缩了42％;平均每秒传输帧数(FPS)增加了 17％.实验结果表明,改进优化后的模型有更好的精确性和实时性.