改进RetinaNet的轻量化工件检测算法研究

摘要：

针对传统目标检测模型参数量巨大,制约算法部署与模型推理实时性的问题,提出一种基于改进RetinaNet检测模型的轻量化实时目标检测网络.使用MobileNet-V2代替RetinaNet模型中的ResNet骨干网络,降低整体模型的参数量;设计锚框引导采样机制,基于特征金字塔输出特征层生成感兴趣区域掩码,减少背景区域冗余锚框,降低后处理过程中的计算复杂度;引入GFocalLossV2损失函数统计预测边框分布特征,优化预测边框质量以及提升分类准确度.该模型在自制多类别工件数据集WP和Pascal VOC公开数据集上进行验证实验,改进模型的检测准确率分别达到99.5％、80.5％,检测速度分别达到39.8 FPS、38.3 FPS.实验结果表明,该轻量级目标检测模型能够实现实时检测,同时保证了检测精度.

关键词：RetinaNet、MobileNet-V2、引导采样、GFocalLossV2

所属期刊栏目：58

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;四川省科技计划项目;四川省科技计划项目

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：172-178