针对嵌入式平台的轻量化目标检测网络

简介：
本研究致力于开发适用于嵌入式设备的高效目标检测算法，通过设计轻量级神经网络结构，在保证识别精度的同时大幅减少计算资源需求。 我们提出了一种基于深度可分离卷积的适用于嵌入式平台的小型目标检测网络MTYOLO（MobileNet Tiny-Yolo）。该网络将待检测图片平均分割成多个单元格，并采用深度可分离卷积替代传统卷积，从而减少了参数量和计算量。此外，通过使用点卷积和特征图融合的方法提高了检测精度。实验结果显示，所提的MTYOLO网络模型大小为41 MB，仅为Tiny-Yolo模型的67%，在PASCAL VOC 2007数据集上的检测准确率可达57.25%。因此，该模型相较于Tiny-Yolo具有更好的检测效果，并且更适合应用于嵌入式系统中。