典型文献
基于改进Mobilenet-YOLOv3的轻量级水下生物检测算法
文献摘要：
在水下生物检测中,经典目标检测模型由于体积大、参数量多,不适用于微小型水下硬件设备,而现有轻量化模型又难以平衡检测精度和实时性.针对这一问题,本研究提出了基于改进Mobilenet-YOLOv3的轻量级检测算法CPM-YOLOv3,该算法利用规整通道剪枝算法对Mobilenet-YOLOv3进行剪枝,并将特征提取网络中的SE(squeeze-and-excitation)模块替换成CBAM(convolutional block attention module),实现对网络模型的压缩.同时,在不同尺寸的检测层中分别加入2个CBAM,在几乎不增加模型大小的情况下提升模型关注目标特征信息的能力.实验结果表明,CPM-YOLOv3模型大小仅有4.86 MB,与原模型相比大小降低了94.7％,平均检测精度为87.0％,速度为5.1 ms/帧.相较于其他网络模型,CPM-YOLOv3更适合在微小型水下设备中应用.
文献关键词：
水下生物检测;轻量化模型;通道剪枝;注意力机制;深度学习
中图分类号：
作者姓名：
郝琨;王阔;王贝贝
作者机构：
天津城建大学计算机与信息工程学院,天津300384;天津城建大学控制与机械工程学院,天津300384
文献出处：
引用格式：
[1]郝琨;王阔;王贝贝-.基于改进Mobilenet-YOLOv3的轻量级水下生物检测算法)[J].浙江大学学报（工学版）,2022(08):1622-1632
A类：
水下生物检测
B类：
Mobilenet,YOLOv3,轻量级,检测算法,目标检测模型,参数量,微小型,硬件设备,轻量化模型,检测精度,CPM,法利,规整,通道剪枝,剪枝算法,特征提取网络,SE,squeeze,excitation,替换成,CBAM,convolutional,block,attention,module,不同尺寸,检测层,别加,注目,目标特征,特征信息,MB,比大小,ms,水下设备,注意力机制
AB值：
0.376861
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。
