10.3969/j.issn.1000-386x.2020.10.033
基于YOLOv3的轻量级目标检测网络
针对目标检测领域的网络参数数量较大且嵌入式设备的计算能力有限,难以在嵌入式平台上运行的问题,基于深度可分离卷积的思想,提出一种改进Tiny-YOLOv3的轻量级目标检测网络.将Tiny-YOLOv3中的特征提取网络替换为MobileNet,增加网络层数且减少模型中的参数数量和计算量,同时采用K-means维度聚类生成先验框和多尺度预测的方法提高检测精度.实验结果表明,该网络模型大小为23 MB,仅为Tiny-YOLOv3的67％.模型在PASCAL VOC 2007和COCO目标检测数据集上进行测试,检测精度均高于Tiny-YOLOv3,满足嵌入式设备实时高效检测的要求.
目标检测、深度可分离卷积、Tiny-YOLOv3、嵌入式平台
37
TP3(计算技术、计算机技术)
山东省重点研发计划项目;山东省自然科学基金项目
2020-11-03（万方平台首次上网日期，不代表论文的发表时间）
共6页
208-213
