典型文献
面向星载边缘计算的遥感目标检测算法轻量化优化研究
文献摘要：
遥感图像目标实时检测是遥感领域高效能应用的一项关键技术.基于深度网络的 目标检测模型检测率高,但该类算法模型往往参数多、计算量大,导致模型在边缘端设备难以部署,对该类模型进行轻量化优化是当前深度网络目标检测算法应用落地的一个核心问题.本文以YOLOv5s目标检测模型作为基础,将一种卷积核剪枝方法应用于YOLOv5s模型中,先对BN(batch normalization)层缩放因子做稀疏化处理,然后以其为评判标准对卷积核进行剪枝和参数微调,并用遥感飞机数据集进行训练和测试.实验结果证明,该方法可以在裁剪了 30-50％的模型参数的情况下,使模型的 目标检测性能变化在2％以内,即通过该方法可以有效减少YOLOv5s模型的过拟合,达到降低模型大小的效果.
文献关键词：
遥感图像;目标检测;YOLOv5;剪枝
中图分类号：
作者姓名：
张鹏程;武文波;李强;曹城华
作者机构：
北京空间机电研究所,北京100090;西北工业大学,西安710072
文献出处：
引用格式：
[1]张鹏程;武文波;李强;曹城华-.面向星载边缘计算的遥感目标检测算法轻量化优化研究)[J].空间控制技术与应用,2022(05):86-94
A类：
星载边缘计算
B类：
遥感目标检测,目标检测算法,量化优化,遥感图像,实时检测,高效能,深度网络,目标检测模型,模型检测,检测率,算法模型,计算量,边缘端设备,算法应用,一个核心,YOLOv5s,卷积核,剪枝方法,BN,batch,normalization,缩放因子,稀疏化,评判标准,微调,裁剪,检测性能,性能变化,过拟合
AB值：
0.377993
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。
