首页 > 论文 > 光学学报 > 39卷 > 04期(pp:0415006)

MTYOLO: 面向嵌入式平台的轻量级目标检测网络

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

近年来,深度学习的快速发展极大地推动了目标检测领域的研究,但神经网络模型对计算资源要求较高,难以在嵌入式平台应用。基于深度可分离卷积的思想,本文提出了一种适用于嵌入式平台的小型目标检测网络MTYOLO(MobileNet Tiny-Yolo),它将待检测的图片平均分割成 S×S个单元格,分割出的单元格检测中心点落在该单元格的物体目标。然后,采用深度可分离卷积代替传统卷积,减少了神经网络模型的参数存储量和运行该模型所需的计算量。此外,本文采用点卷积和特征图融合的方法提高检测精度。实验结果表明,本文提出的MTYOLO网络模型大小为41M,约为Tiny-Yolo模型的67%;在PASCAL VOC 2007数据集上的准确率可达到57.25%,效果优于Tiny-Yolo模型,更适合应用于嵌入式系统。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos201939.0415006

作者单位:

    东北大学
    东北大学
    东北大学
    东北大学

引用该论文

崔家华,张云洲,王争,刘及惟. MTYOLO: 面向嵌入式平台的轻量级目标检测网络[J].光学学报,2019,39(04):0415006.