轻量化目标检测算法研究及应用

• 作者: 黄靖淞 左颢睿 张建林
• 来源期刊: 计算机工程
• 关键词: 目标检测 轻量化 深度可分离卷积 剪枝 嵌入式GPU C++推理部署
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 236-241
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0059168

摘要

基于卷积神经网络的目标检测算法在追求较高精度的同时,忽略了检测速度,使得算法难以在有限算力的情况下实现实时检测.在YOLO目标检测算法的基础上,采用一系列轻量化的方法,运用Mobilenetv1网络替换Darknet53基础网络,将YOLO head部分3×3标准卷积替换为深度可分离卷积,根据灵敏度对卷积层滤波器进行排序和修剪,并在嵌入式GPU TX2平台上进行C++推理部署.在VOC数据集上的测试结果表明,改进算法在精度仅下降0.75个百分点的前提下实现了2.4倍加速,模型占用内存仅为原来的21.5％.