基于OP＿YOLOv3 Tiny算法的电路实验器材检测

作者：梁铭炬

来源：中国新技术新产品, 2021, (22): 12-14.

DOI：10.13612/j.cnki.cntp.2021.22.004

• 深度学习
• 目标检测
• YOLOv3-Tiny
• RK3399Pro

为了实现基于边缘计算的电路实验器材检测算法,该文研究基于YOLOv3-Tiny算法的重叠池化(Overlapping Pooling,OP)YOLOv3 Tiny算法。采用5层最大池化(MAX Pooling)层对特征矩阵进行重叠池化降维操作,削弱池化的特征弱化现象;优化调整图像尺寸,丰富小目标的浅、深层信息;同时,采用K-means聚类算法获得锚框(Anchor box)的最佳参数。实验结果表明,基于OPYOLOv3 Tiny算法在RK3399Pro开发板上对电路实验器材的检测帧率达到33.8 f/s,检测精准率达到88.1%,与YOLOv3-Tiny算法相比,精测精准率提升了4.7%,可以满足实时目标检测的要求。

• 单位
  广东顺德工业设计研究院（广东顺德创新设计研究院）