基于改进YOLOv4算法的轻量化网络设计与实现

作者：孔维刚; 李文婧; 王秋艳; 曹鹏程; 宋庆增^*

来源：计算机工程, 2022, 48(03): 181-188.

DOI：10.19678/j.issn.1000-3428.0060948

• 目标检测
• 模型压缩
• 嵌入式设备
• 轻量化神经网络
• 模型量化
• Jetson Xavier NX设备

在嵌入式设备上进行目标检测时易受能耗和功耗等限制，使得传统目标检测算法效果不佳。为此，对YOLOv4算法进行优化，设计YOLOv4-Mini网络结构，将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理，其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量。采用SE模块为通道施加注意力机制，激活函数层运用h-swish非线性激活函数，在保证精度的情况下降低网络计算量。同时，通过量化感知训练将权重转为INT8类型，以实现模型轻量化，进一步降低网络参数量和计算量，从而在嵌入式设备上完成无人机数据集的目标检测任务。在NVIDIA Jetson Xavier NX设备上进行测试，结果显示，YOLOv4-MobileNetv3网络的mAP为34.3%,FPS为30,YOLOv4-Mini网络的mAP为32.5%,FPS为73，表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务。

• 单位
  天津工业大学; 自动化学院; 中国电子科技集团公司信息科学研究院