文献类型：期刊文章

作　　者：崔家华[1] 张云洲[1,2] 王争[1] 刘及惟[1]

Cui Jiahua;Zhang Yunzhou;Wang Zheng;Liu Jiwei(College of Information Science & Engineering, Northeastern University, Shenyang, Liaoning 110819, China;Faculty of Robot Science and Engineering, Northeastern University, Shenyang, Liaoning 110819, China)

机构地区：[1]东北大学信息科学与工程学院,辽宁沈阳110819 [2]东北大学机器人科学与工程学院,辽宁沈阳110819

出　　处：《光学学报》

基　　金：国家自然科学基金(61471110);中央高校基本科研业务专项资金(N172608005);辽宁省自然科学基金(20180520040);沈阳市高层次创新人才支持计划(RC170490)

年　　份：2019

卷　　号：39

期　　号：4

起止页码：299-305

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：基于深度可分离卷积,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多个单元格,并采用深度可分离卷积代替传统卷积,减少了参数量和计算量。采用点卷积和特征图融合的方法来提高检测精度。实验结果表明,所提MTYOLO网络模型大小为41 MB,约为Tiny-Yolo模型的67%,其在PASCAL VOC 2007数据集上的检测准确率可达到57.25%,检测效果优于Tiny-Yolo模型,更适合应用于嵌入式系统。

关 键 词：机器视觉 目标检测 深度神经网络  嵌入式系统 实时性  

分 类 号：TP391.4]