基于改进MobileNetV2SSDLite岸桥表面锈蚀检测

作者：韩冬^*; 唐刚; 赵政坤

来源：激光与光电子学进展, 2021, 58(16): 452-463.

• 机器视觉
• 深度学习
• 目标检测
• 岸桥
• 轻量级网络
• 边缘计算

为了使岸桥表面锈蚀检测任务在部署到嵌入式设备和移动设备中获取更快的推理速度,在不牺牲精度的前提下提出改进的轻量化目标检测网络MobileNetV2 SSDLiteV1/V2。改进后的网络采用5个卷积层的特征映射作为检测器输入,并使用3×3深度卷积预测分类和位置得分。为了减少骨干网络的参数量,将原始17个线性残差模瓶颈块结构设计成14个,并将分辨率为256 pixel×256 pixel的图像作为网络输入,同时改变原始默认框的系数,使先验框的个数减少了 82.51%,接着将所有层进行批处理归一化并从零开始训练网络。以上改进可以使网络参数变为0.96×106,减少至原来的1/4,网络的浮点运算次数为0.12×109,较原始减少81.25%,mAP值高达77.40%,推理速度达 45 frame/s。

• 单位
  上海海事大学; 电子工程学院