摘要

由于传统的目标检测算法较为复杂,在算力、存储空间有限的场景下无法实时检测,因此本文提出了一种轻量级入侵检测算法。首先采用自适应更新率的混合高斯前景提取算法提取初筛目标,然后基于改进的残差压缩网络(R-SqueezeNet)对初筛目标进行识别分类。实验结果表明,该算法在不降低检测精度的前提下,比传统算法的检测速度平均提升了30倍,模型体积缩减至YOLOv3-tiny算法的1/40。

全文