典型文献
一种改进CenterNet的轻量化目标检测算法
文献摘要：
CenterNet算法结构复杂,导致其参数量大、计算复杂度高和检测速度较慢.针对这一问题,提出了一种CenterNet-encoder算法.该算法使用深度为104层的沙漏网络作为backbone,并将其中的残差模块替换为fire模块来减少算法的参数量,提高算法的计算速度;另外,在 backbone和head之间加入了编码层,在不损失分辨率的同时增大了感受野,减少了内存的占用,让输出囊括更多尺度的信息;最后,使用均方误差损失进行边界框的回归,加快算法的收敛,进一步提升了算法的检测精度.CenterNet-encoder算法最终在MS-COCO test-dev数据集上的平均检测精度为40.5%,参数量为47×106.在AMD5900X/32GB/RTX3090环境配置下,检测速度达到了18帧/s.实验结果表明,CenterNet-encoder算法虽然牺牲了一定的精度,但参数量比原算法下降了约77.6%,同时检测速度提升了约69.3%.与其他轻量化目标检测算法相比,在参数量、推理时间和检测精度上也有一定的优势.
文献关键词：
fire模块;轻量化;编码层;目标检测
中图分类号：
作者姓名：
李悦言;程培涛;杜淑幸
作者机构：
西安电子科技大学机电工程学院,陕西西安 710071
文献出处：
引用格式：
[1]李悦言;程培涛;杜淑幸-.一种改进CenterNet的轻量化目标检测算法)[J].西安电子科技大学学报（自然科学版）,2022(05):137-144
A类：
AMD5900X,32GB,RTX3090
B类：
CenterNet,轻量化目标检测,目标检测算法,算法结构,参数量,计算复杂度,检测速度,较慢,encoder,使用深度,沙漏网络,backbone,残差模块,fire,少算,计算速度,head,编码层,失分,感受野,囊括,均方误差,边界框,检测精度,COCO,test,dev,环境配置,同时检测,推理时间
AB值：
0.362137
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
