YOLO-mini:可在CPU实时运行的目标检测网络

作者：邢关生; 许甫

来源：电子测量技术, 2019, 42(24): 148-151.

DOI：10.19651/j.cnki.emt.1903139

• 深度学习
• YOLOv3-tiny
• CPU
• 实时目标检测

针对目前基于深度学习的目标检测模型均依赖于高性能GPU,难以在无GPU笔记本或者移动设备上运行的现状,受YOLO-Lite设计思路的启发,对现有的轻量级目标检测模型YOLOv3-tiny进行删减,去除该网络模型中对运行速度影响较大,且精度影响较低的因素,提出一种可以在CPU设备上实时运行的目标检测模型YOLO-mini。精简后的网络相较于原有模型,在精度仅有少量损失的情况下,检测速度提高5倍,在CPU上运行可以达到66.05%的检测精度,8.1帧每秒的检测速度,在当今深度学习均依赖于高性能GPU的情况下,提供一种新的可在CPU上实时运行目标检测网络。

• 单位
  电子工程学院; 青岛科技大学