典型文献
基于模型压缩的轻量化障碍物检测模型研究
文献摘要：
路面障碍物检测是智能导盲系统的核心功能之一.针对基于YOLOv5s的障碍物检测模型复杂度高、推理速度慢等问题,引入轻量级网络MobileNet作为主干特征提取网络,并嵌入CBAM模块弥补精度损失.为进一步优化性能,提出一种先剪枝再蒸馏的模型压缩方案.实验结果表明,经过压缩后的模型参数量为2.99 M,在GPU和CPU上的推理速度分别为113.64和9.67FPS,参数量约为YOLOv5s的42.2％,该模型能满足障碍物检测任务的实时性要求.
文献关键词：
深度学习;障碍物检测;模型压缩;YOLOv5s
中图分类号：
作者姓名：
李雨诗;张才裕;赵杨珂;陈绪君
作者机构：
华中师范大学物理科学与技术学院,武汉 430079
文献出处：
引用格式：
[1]李雨诗;张才裕;赵杨珂;陈绪君-.基于模型压缩的轻量化障碍物检测模型研究)[J].激光杂志,2022(09):38-43
A类：
67FPS
B类：
基于模型,模型压缩,障碍物检测,检测模型,导盲,核心功能,YOLOv5s,模型复杂度,推理速度,速度慢,轻量级网络,MobileNet,主干特征提取网络,CBAM,精度损失,优化性能,先剪,剪枝,蒸馏,过压缩,模型参数量,GPU,CPU
AB值：
0.405093
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。
