一种改进的YOLOv3嵌入式实时车辆检测算法
受制于嵌入式平台的性能和资源制约,基于深度学习的车辆检测算法在部署时面临网络参数量过大、模型复杂、移植困难等问题.提出一种基于MobileNetv3网络的YOLOv3改进目标检测算法,使用轻量级MobileNetv3网络替换传统主干特征提取网络Darknet53,修改FPN特征金字塔为FPN+PAN结构,同时引入注意力机制以提高算法的检测精度.在计算机平台和瑞芯微RV1126嵌入式平台上的实验结果表明,改进后的YOLOv3算法模型减小50％,检测精度提升0.85％,推理时间缩短50％.
MobileNetv3、YOLOv3、实时车辆检测、注意力机制
23
TP391.4(计算技术、计算机技术)
辽宁省自然科学基金2015020103
2023-02-20（万方平台首次上网日期，不代表论文的发表时间）
共5页
33-37
