用于人体检测的YOLOv3改进及压缩算法的研究

• 作者: 张玉杰 董蕊
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: YOLOv3 人体检测 密集连接结构 多分支结构 模型压缩
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图形与图像
• 页码范围: 312-320
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2022.02.017

摘要

针对Yolov3算法应用于人体检测中的准确率低,参数量、计算量和模型体积大难以在资源有限的嵌入式平台上实现等问题,提出了YOLOv3改进及其模型压缩算法.在YOLOv3中通过引入密集连接与多分支结构,增加网络宽度和多尺度感受野,加强特征重用,提高了模型的检测精度;对改进的YOLOv3通过联合优化权重损失函数和BN层缩放因子的L1正则项等方式进行通道剪枝,从而减小了参数量和计算量,模型体积得到了大幅压缩.实验结果表明,改进后YOLOv3算法的检测精度提升了6.01％,模型体积减小了38.46％;经过压缩后,模型的检测精度虽然降低了3.16％,但模型体积仅为原来的3.31％,只有4.77 MB.因此,通过改进和压缩后的YOLOv3仍然保持较高的检测精度,而且模型体积得到大幅度的压缩,为YOLOv3模型在嵌入式平台上实现人体检测提供了支撑.