| 作者 | 刘馨柔，李洋，宋文军 |
| 机构 | 长春理工大学 电子信息工程学院 |
| 统计 | 摘要被查看 … 次，已被下载 … 次 |
| 摘要 | 基于人工设计特征的检测算法检测速度普遍较慢，检测精度也有待提高，已无法满足现今工业生产中的需求。而基于深度学习的检测技术，因其需要大量的计算和存储空间无法在资源受限的设备上部署使用。针对这些问题，引用一种通道剪枝方法实现YOLOv3检测网络的轻量化，得到剪枝模型SlimYOLOv3，并进一步提出将SlimYOLOv3用于工业场景下的实时检测任务。方法通过对通道缩放因子施加L1正则化来增强卷积层的通道级稀疏性，并对信息量较小的特征通道进行剪枝，最终获得轻量级的网络模型。与原模型相比，SlimYOLOv3剪枝模型大小减小了60%，计算量减少了50%，检测速度是原模型的1.7倍，更适于智能工业场景中复杂目标的实时检测。 |
| 关键词 | 机器视觉；智能工业；目标检测；模型剪枝；YOLOv3 |
| 基金项目 | 中国吉林省科学技术计划发展项目(20180201042GX)
吉林省预算内基本建设资金资助项目(创新能力建设-高技术产业部分)(2019C054-b)
中国吉林省科学技术计划发展项目(20200401090GX) |
| 本文URL | http://www.arocmag.com/article/02-2021-05-050.html |