一种改进的YOLOv3嵌入式实时车辆检测算法_刘永鑫.pdf
《一种改进的YOLOv3嵌入式实时车辆检测算法_刘永鑫.pdf》由会员分享,可在线阅读,更多相关《一种改进的YOLOv3嵌入式实时车辆检测算法_刘永鑫.pdf(5页珍藏版)》请在咨信网上搜索。
1、敬请登录网站在线投稿()年第期 一种改进的 嵌入式实时车辆检测算法刘永鑫,高成,吴政,郭超(沈阳工业大学 化工过程自动化学院,辽阳 ;苏州光创电子科技有限公司)基金项目:辽宁省自然科学基金()。摘要:受制于嵌入式平台的性能和资源制约,基于深度学习的车辆检测算法在部署时面临网络参数量过大、模型复杂、移植困难等问题。提出一种基于 网络的 改进目标检测算法,使用轻量级 网络替换传统主干特征提取网络 ,修改 特征金字塔为 结构,同时引入注意力机制以提高算法的检测精度。在计算机平台和瑞芯微 嵌入式平台上的实验结果表明,改进后的 算法模型减小,检测精度提升,推理时间缩短。关键词:;实时车辆检测;注意力机制
2、中图分类号:文献标识码:,(,;):,:;引言近年来,国内汽车保有量快速提升引发的交通拥堵和事故频发等问题日益突出,而智慧交通是解决我国交通问题的有效途径。作为智能交通系统的重要组成部分,车辆检测技术是实现智能化监测、控制、分析、决策、调度和疏导的基本依据,对提升道路交通安全通行具有重要促进作用,该技术水平的高低直接关系到道路监控、运行及管理的效果。年 等人提出单阶段的 系列算法,将目标检测问题转换为回归问题,大大提高了算法 的 实 时 性,但 降 低 了 检 测 精 度。顾 晋等 人 对 模型进行简化,并且引用 函数代替原有的 函数,提升了 的识别精度。王硕等人则针对 算法,利用 模块改进特
3、征提取网络增加网络宽度,并利用 聚类方法确定了更适合的目标候选框尺寸,在保证实时性的基础上,改进的算法平均精度()有所提升。王玲等人则提出了一种融合多尺度的目标检测算法 ,通过将位置信息明确的浅层特征与语义丰富的深层特征进行多尺度融合,并且在预测阶段使用转置卷积操作替换最近邻插值法作为新的上采样方法,较好地提升了 的检测精度和速度。年谷歌提出专注于移动端或嵌入式设备的轻量级 网络 ,在准确率小幅降低的前提下大大减少了模型的参数与运算量。张达为等人通过将 引入 ,作为基础特征提取网络,形成 目标检测网络模块,并且引入两条 连接进行特征融合,减少了检测算法的模型参数,提高了模块的检测速度。上述 算
4、法的不断优化虽使其能够更好地适 年第期 用于车辆检测领域和部分嵌入式平台,但对大多数嵌入式平台,其网络结构还是过于庞大,实际部署应用时依然无法很好地适配。本文提出将 网络代替 中的主干特征提取网络 ,改进 算法的 结构以增强不同特征层的特征融合,并在网络中增加注意力机制以提高对检测目标的特征提取能力。实验结果表明,本文提出的算法相较于 算法在检测精度、网络复杂度方面都有更优的表现,并且大大缩短了嵌入式平台的推理时间。算法原理 算法基于提取多特征层进行目标检测,其主干特征提取网络 借鉴了残差网络的思想,由多个残差块构成。当一张待检测图片输入到 网络中,经过 网络提取出个不同大小的特征层,其大小分
5、别为()、()、(),这个特征层输入到 特征金字塔中经过卷积、上采样等操作后相互融合获得多层目标信息,处理后的个特征层输入到 中得到预测结果。以 数据集为例,输出的个预测结果的大小分别为(,)、(,)(,),其中代表 的大小,则表示为(),其中为每个网格具有个先验框,为预测得到目标位置信息分别为、和,代表是否有待检测目标的置信度,为分类的结果。获得检测结果后对其进行解码操作,得出检测到的目标边界框的坐标、以及宽高、,其计算公式为:()()()()()()其中,和为该点所在网格的左上角距离最左上角相差的格子数。和为原始先验框的边长。和为目标中心点相对于该点所在网格左上角的偏移量。和为预测边框的宽
6、和高。网络 网络是谷歌于 年推出的,共发布了两个版本,分别为 和 。为了更好地在嵌入式平台上运行,本文使用 。深度可分离卷积 网络相较于传统网络最大的差别就是使用了深度可分离卷积,其可以在不影响精度的前提下大大降低网络的计算量,深度可分离卷积由深度卷积()和逐点卷积()两部分组成。深度卷积与普通卷积的不同之处在于普通卷积在做卷积时每个卷积核的维度与输入维度相同,每个通道做完运算后相加,而深度卷积在做卷积时使用的卷积核只有一维,负责一个通道,卷积后的通道数不会改变。逐点卷积的运算与普通卷积类似,其不同之处在于参与卷积的卷积核的大小为(为输入数据的维度),逐点卷积运算会将上一层的特征图在通道方向上
7、进行加权组合,生成新的特征图,新的特征图的大小与输入数据的大小一致,用较少的计算量对输入数据进行降维或升维操作。深度卷积和逐点卷积两者组合构成了深度可分离卷积,它是由一层深度卷积与一层逐点卷积组合而成的,每一层 卷 积 之 后 都 有 批 规 范 化()和 激活函数。如图所示,在处理一个尺寸为 的特征图时,当卷积核大小为 时,输出特征图尺寸为 。普通卷积的参数量为 ,计算量为 。而利用深度可分离卷积的参数量为 ,计算量为 。相比较可知,深度可分离卷积的参数量和计算量仅是普通卷积的倍。图深度可分离卷积 注意力机制 网络在原来的逆残差结构中增加了 ()模块,其可以通过学习来自动获取到每个特征通道的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 改进 YOLOv3 嵌入式 实时 车辆 检测 算法 刘永鑫
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。