-
题名基于多尺度特征融合的轻量级目标检测算法
被引量：1
- 1
-
-
作者
李校林
陈泽
-
机构
重庆邮电大学通信与信息工程学院
重庆邮电大学数智技术应用研究中心
-
出处
《微电子学与计算机》
2024年第9期32-40,共9页
-
文摘
由于YOLOv5目标检测模型中参数多、计算复杂度高,无法满足边缘设备进行智能计算和实时反馈的需求,提出了基于多尺度特征融合的轻量级目标检测算法。首先,针对标准卷积模块参数量大、计算复杂度高的问题,提出基于幻影卷积的特征提取卷积模块代替原模型的特征提取模块,在保持检测精度的前提下,减少模型的参数量和计算量。其次,设计出ShuffleNetv2_2下采样模块,进一步减少算法的参数量。再次,针对模型轻量化后的特征提取能力不足问题,将低维特征充分融合到Neck网络中并添加跨层级联以降低浅层语义的丢失,在增强目标特征的表达的同时提高模型的检测效率。最后,提出LAM注意力融合模块,为模型的颈部网络提供具有更丰富的语义特征图。实验结果表明,相比于原模型,改进模型的参数量和计算量更少,并且在PascalVOC和MSCOCO数据集的检测准确率分别提高了2.1%和2.4%。
-
关键词
目标检测
轻量化级神经网络
注意力机制
多尺度特征融合
-
Keywords
object detection
lightweight grade neural network
attention mechanism
multiscale feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
