基于改进YOLO轻量化网络的目标检测方法
摘要
YOLOv3作为开源的目标检测网络与同时期目标检测网络对比在速度和精度上有着明显的优势。由于YOLOv3采用了新型的全卷积网络(FCN)、特征金字塔网络(FPN)、残差网络(Resnet)因此对硬件配置要求较高,导致开发成本过高不利于工业上的应用普及,因此在嵌入式平台中普遍采用使用YOLOv3tiny进行检测。为了解决YOLOv3检测速度低的问题,现提出一种基于YOLOv3的简化版网络,与YOLOv3tiny不同的是在保留了对特征提取有较大帮助的FCN、FPN以及Resnet同时尽可能的减少每层的参数量和残差层数,并尝试加入了密集连接网络(DenseNet)、空间金字塔池(SPP)。实验表明该网络的参数和检测速度大幅优于,在平均精度(mAP)上较YOLOv3tiny在PASCAL VOC 2007、2012数据集上有明显的提升。
DOI:10.3788/lop57.141003
作者单位:
福州大学物理与信息工程学院福州大学物理与信息工程学院
平板显示技术国家地方联合工程实验室
福州大学物理与信息工程学院
福州大学物理与信息工程学院
引用该论文
李成跃,姚剑敏,林志贤,严群,范保. 基于改进YOLO轻量化网络的目标检测方法[J].激光与光电子学进展,2020,57(14):141003.