《计算机应用研究》|Application Research of Computers

基于SlimYOLOv3的工业场景目标检测算法

Target detection algorithm in industrial scene based on SlimYOLOv3

免费全文下载 (已被下载 次)  
获取PDF全文
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
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
收稿日期
修回日期
页码 -
中图分类号 TP391.41
文献标志码