基于分裂倒残差的轻量化目标检测算法

摘要：

针对工业应用领域中终端设备计算能力较低且对检测算法的响应速度存在较高需求的问题,提出基于分裂倒残差的轻量型实时目标检测算法.首先,在主干网络中使用分裂倒残差结构,削减网络结构的参数量以及运算次数,以达到加快推理速度的目的;其次,引入自适应上下文感知模块以及轻量型双向特征融合模块,旨在提升特征信息交流、增加对小目标检测性能的同时,避免增加额外的学习参数与推理.实验结果表明,文中算法在参数量仅有7.5?105的情况下,MS COCO数据集中检测精度达到21.1％,移动端检测速度达到48帧/s,远超对比算法,该检测算法更适合在无法提供高计算能力的移动端设备上完成目标检测任务.

关键词：深度学习、目标检测、残差结构、双向特征融合

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFB1711902

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：66-74