文献类型：期刊文章

作　　者：邵伟平[1] 王兴[1] 曹昭睿[2] 白帆[2]

SHAO Weiping;WANG Xing;CAO Zhaorui;BAI Fan(School of Mechanical Engineering,Shenyang Ligong University,Shenyang Liaoning 110159,China;School of Equipment Engineering,Shenyang Ligong University,Shenyang Liaoning 110159,China)

机构地区：[1]沈阳理工大学机械工程学院,沈阳110159 [2]沈阳理工大学装备工程学院,沈阳110159

出　　处：《计算机应用》

基　　金：装备预研兵器工业联合基金资助项目(614B012841)。

年　　份：2020

卷　　号：40

期　　号：S01

起止页码：8-13

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对当前基于卷积神经网络的目标检测算法在小型图像处理计算平台中兼容性较差、计算能力低下以及网络训练过程中占用内存过大的问题,提出了一种轻量化卷积神经网络(CNN)YOLO-Slim,并利用YOLOv3验证可行性。首先,通过网络基础构架的改变以及将标准卷积替换为深度可分离卷积实现了网络参数与计算量的大幅度降低;其次,依据网络层对平均精度均值(mAP)的影响程度剪枝网络层,实现网络的层间剪枝;然后,使用中位数的通道剪枝策略实现对网络的层内剪枝,最终,完成轻量化网络的设计。实验结果表明,在VOC2007测试数据集上所设计的YOLO-Slim较原始YOLOv3在模型大小方面减小了90%;mAP为76.42%,识别速度为16 ms。能够为微型图像计算平台提供快速精确的目标识别能力。

关 键 词：深度学习  卷积神经网络 MobileNet  YOLOv3  轻量化网络  

分 类 号：TP391.4]