典型文献
改进YOLO v4-tiny的火焰实时检测
文献摘要：
为解决火焰实时检测参数量大、对硬件计算能力要求高等问题,提出了改进型YOLO v4-tiny的轻量级火焰实时检测模型.首先,对模型的参数进行了修剪;其次,通过在模型的浅层加入改进型的CSP-RFBs,扩大网络浅层的感受野;然后,对CSP-ResNet的框架进行改进,提出了速度更快、准确率更高的沙漏型CSP-ResNet;最后,在网络深层采用改进型CSP-SPPs,对多重感受野进行进一步融合.实验结果表明,改进型YOLO v4-tiny模型的准确率可达48.5％,较原模型提升了15.5％;模型的参数量和权重文件大小分别为2.45 BFLOPs和16.3 Mb,分别比原模型减少了63.9％和30.6％.在移动开发板NVIDIA Jeston Xavier上FPS可达49.6,比原模型提升了21.9％.
文献关键词：
轻量级目标检测;YOLO v4-tiny;火焰实时检测;感受野;沙漏型CSP-ResNet
中图分类号：
作者姓名：
王冠博;赵一帆;李波;杨俊东;丁洪伟
作者机构：
云南大学信息学院,云南昆明 650504;云南民族大学电气信息工程学院,云南昆明 650031
文献出处：
引用格式：
[1]王冠博;赵一帆;李波;杨俊东;丁洪伟-.改进YOLO v4-tiny的火焰实时检测)[J].计算机工程与科学,2022(12):2196-2205
A类：
火焰实时检测,RFBs,BFLOPs,Jeston
B类：
YOLO,v4,tiny,检测参数,参数量,计算能力,能力要求,改进型,检测模型,修剪,CSP,大网,感受野,ResNet,沙漏型,SPPs,重文,文件大小,Mb,移动开发,开发板,NVIDIA,Xavier,FPS,轻量级目标检测
AB值：
0.316486
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。
