摘 要：针对当前目标检测模型在边缘设备中的应用占用内存过大、无法达到实时性要求的问题，提出一种基于YOLOv3 的轻量化多目标检测模型．采用MobileNet 网络进行点卷积和深度可分离卷积运算提取图像特征，显著降低了模型的参数量．同时，为了保证目标检测精度，在训练过程中不仅采用CIOU(complete intersection over union)目标框回归损失函数，而且在损失函数中引入Focal loss，减少正负样本分布不平衡所造成的误差；引入Label Smoothing调整真实样本标签类别在计算损失函数时的权重，有效抑制过拟合问题．经3.5 万个实际场景数据训练，本文提出的改进模型在行人和车辆的检测精度上分别达到47.3%和69.67%，模型大小仅为YOLOv3 的40%，实现了理想检测精度水平下的模型轻量化．

论文下载：

07.pdf

  浏览次数：