科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于卷积神经网络的目标检测在智能机器人、无人机等领域有着重要的应用,但其模型普遍结构复杂、参数量大、占用资源多,难以满足嵌入式目标检测任务中的实时性需求.针对此问题,本文提出一种多尺度特征融合注意力网络(MSFAN:Multi-Scale Feature-fusion Attention Network)模型,该模型基于MobileNetYOLOv3网络模型,并结合多尺度特征融合等改进措施,在高实时性的同时增强了模型对小目标的检测能力,能够更好地在嵌入式终端设备上实现实时高效目标检测,从而为边缘计算场景下的目标检测应用提供可能的方案.实验结果表明:MSFAN模型在识别精确度和性能消耗上均获得了较好表现,在NVIDIA Jetson TX2上检测速度可达46FPS,相比MobileNetYOLOv3在速度相当的情况下精度有明显提升.
