改进SSD模型的设计与实现

• 全文链接
• 请求原文

作   者：

邓新龙;  张会兵;  徐智;  首照宇;  刘明政; 

作者机构：

桂林电子科技大学计算机与信息安全学院; 

关键词：

特征融合;  深度学习;  目标检测;  模型压缩;  轻量化网络;  嵌入式;  量化压缩; 

期刊名称：

计算机工程与设计

i s s n：

1000-7024

年卷期：

2023 年 44 卷 009 期

页   码：

2874-2880,封3

摘   要：

针对当下主流的目标检测模型在资源受限的嵌入式设备上无法实时检测的问题,提出一种平衡检测精度和检测速度的目标检测模型.在SSD模型的基础上,用轻量化网络MobileNetV3作为主干网络,降低特征提取时的计算耗时;通过特征融合将主干网络中的高层和低层特征进行融合作为预测输出层,使该特征输出包含丰富的分类和定位信息;针对嵌入式设备浮点计算效率低的问题,采用感知量化方法将模型的权重转换为INT8类型.实验结果表明,在嵌入式设备上采用Udacity数据集评估SSDLite-tiny模型,其精度(mAP)和帧数(FPS)分别达到了 18.1和75.08.