基于SlimYOLOv3的工业场景目标检测算法

作者：刘馨柔; 李洋^*; 宋文军

来源：计算机应用研究, 2021, 38(06): 1889-1893.

DOI：10.19734/j.issn.1001-3695.2020.06.0203

• 机器视觉
• 智能工业
• 目标检测
• 模型剪枝
• YOLOv3

基于人工设计特征的检测算法检测速度普遍较慢,检测精度也有待提高,已无法满足现今工业生产中的需求。而基于深度学习的检测技术,因其需要大量的计算和存储空间无法在资源受限的设备上部署使用。针对这些问题,引用一种通道剪枝方法实现YOLOv3检测网络的轻量化,得到剪枝模型SlimYOLOv3,并进一步提出将SlimYOLOv3用于工业场景下的实时检测任务。方法通过对通道缩放因子施加L1正则化来增强卷积层的通道级稀疏性,并对信息量较小的特征通道进行剪枝,最终获得轻量级的网络模型。与原模型相比,SlimYOLOv3剪枝模型减小了60%,计算量减少了50%,检测速度是原模型的1.7倍,更适于智能工业场景中复杂目标的实时检测。

• 单位
  长春理工大学; 电子信息工程学院