典型文献
面向边缘计算的轻量化外力破坏目标检测算法
文献摘要：
针对在复杂边缘计算场景下外力破坏目标检测识别精度低与实时性差的问题,提出YOLO-ERFA轻量化目标检测算法.该算法采用跨阶段残差结构的CSPDarkNet53-Tiny作为特征提取网络,在保证模型轻量化的同时提高检测准确率;在此基础上,通过改进空间金字塔池化并融合高效通道注意力机制构建特征增强层以提升模型精度和对多尺度目标的检测能力,并在训练阶段使用改进的Mosaic算法增加样本背景虚化以提高模型在复杂场景下的抗干扰能力.实验结果表明,该方法在测试集上检测平均准确率达到了 91.58％,在Jetson TX2平台推理速度达30 FPS,且模型内存大小仅为26.50 MB,提高了算法在边缘计算设备上部署的可行性.
文献关键词：
目标检测;边缘计算;轻量化网络;注意力机制
中图分类号：
作者姓名：
蓝向州;卢泉;陈桥
作者机构：
广西大学 电气工程学院,广西南宁53004
文献出处：
引用格式：
[1]蓝向州;卢泉;陈桥-.面向边缘计算的轻量化外力破坏目标检测算法)[J].广西大学学报（自然科学版）,2022(05):1363-1373
A类：
ERFA,背景虚化
B类：
边缘计算,化外,外力破坏,目标检测算法,目标检测识别,识别精度,YOLO,轻量化目标检测,残差结构,CSPDarkNet53,Tiny,特征提取网络,模型轻量化,高检,检测准确率,改进空间,空间金字塔池化,高效通道注意力机制,机制构建,特征增强,增强层,模型精度,多尺度目标,检测能力,训练阶段,Mosaic,复杂场景,抗干扰能力,测试集,平均准确率,Jetson,TX2,推理速度,FPS,内存大小,MB,计算设备,轻量化网络
AB值：
0.475801
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。
