典型文献
基于轻量级SSD模型的夜间金蝉若虫检测
文献摘要：
为实现夜间树上金蝉若虫的快速准确检测,该研究以自然环境图像数据集为研究对象,结合近距离实际应用场景,考虑到嵌入式系统的模型小型化和计算过程轻量化,在保持精度指标基本不变的前提下,基于适度削减模型深度、宽度的思路对已有目标检测网络MobileNet-SSD提出改进.具体措施包括:删除骨干网络末端的小尺寸特征图卷积层,逐级裁剪模型整体宽度、适当增加中高层卷积深度,在目标检测的分类层和预测框的回归层中使用深度可分离卷积代替传统3×3卷积等措施,先后获取3种改进的精简模型以进行比较.夜间图像测试结果表明,在基本保持网络性能的前提下,改进后的模型大小及计算量均呈现大幅减小,其中最优模型大小从原MobileNet-SSD的15.22 MB减少到1.51 MB,模型的浮点运算量也由原先的1.13×109减少到1.26×108,其平均准确率达90.46％,平均交并比达83.52％,F1分数达92.35％,GPU上的检测速度达179.3帧/s,CPU上的检测速度达到6.49帧/s,与改进前的模型相比具有更好的综合性能,白天图像的试验结果也显示出较好的泛化性能.该文提出的改进模型在大幅减少模型大小及其计算量的同时使模型性能保持在一个较高的水平,更适合部署在移动终端等资源受限设备上,可为金蝉的人工养殖提供有益参考.
文献关键词：
图像识别;目标检测;金蝉若虫;MobileNet-SSD;轻量级卷积神经网络;模型尺寸;模型运算量
中图分类号：
作者姓名：
刘阳;高国琴
作者机构：
江苏大学电气信息工程学院,镇江 212013;南通职业大学电子信息学院,南通 226007
文献出处：
引用格式：
[1]刘阳;高国琴-.基于轻量级SSD模型的夜间金蝉若虫检测)[J].农业工程学报,2022(10):166-175
A类：
金蝉若虫,模型运算量
B类：
SSD,树上,上金,快速准确,图像数据集,集为,近距离,嵌入式系统,小型化,精度指标,削减,模型深度,目标检测网络,MobileNet,删除,骨干网络,小尺寸,特征图,图卷积,卷积层,逐级,裁剪模型,体宽,中高层,使用深度,深度可分离卷积,精简模型,夜间图像,图像测试,网络性能,计算量,最优模型,MB,浮点运算,原先,平均准确率,平均交并比,比达,GPU,检测速度,CPU,进前,白天,天图,泛化性能,改进模型,模型性能,移动终端,资源受限,人工养殖,图像识别,轻量级卷积神经网络,模型尺寸
AB值：
0.394621
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。
