文献类型：期刊文章

作　　者：张官荣[1] 陈相[1] 赵玉[1] 王建军[2] 易国彪[3]

Zhang Guanrong;Chen Xiang;Zhao Yu;Wang Jianjun;Yi Guobiao(Aeronautics Engineering College,Air Force Engineering University,Xi’an 710038,Shaanxi,China;School of Electronics and Information,Northwestern Polytechnical University,Xi’an 710129,Shaanxi,China;Unit 95696 of the Chinese People’s Liberation Army,405200,Chongqing,China)

机构地区：[1]空军工程大学航空工程学院,陕西西安710038 [2]西北工业大学电子信息学院,陕西西安710129 [3]中国人民解放军95696部队,重庆405200

出　　处：《激光与光电子学进展》

基　　金：陕西省自然科学基金(2021JM-225)。

年　　份：2022

卷　　号：59

期　　号：16

起止页码：142-150

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了提高面向遥感图像目标检测的YOLOv3-CS算法的检测速度,提出了一种基于Batcg Normalization(BN)层γ参数的自适应稀疏因子调整算法。以γ作为通道的重要性判断依据对YOLOv3-CS进行剪枝,得到YOLOv3-CSP目标检测模型。实验结果表明,所提剪枝方法在mean Average Precision(mAP)损失仅为0.22%的情况下,使YOLOv3-CS的模型大小压缩了95.92%,检测速度提高了173%。所提YOLOv3-CSP可以应用于检测精度和实时性要求较高的场合。

关 键 词：图像处理 YOLOv3  稀疏训练  模型剪枝  

分 类 号：TP391.4]