论文摘要
针对目前基于深度学习的目标检测模型均依赖于高性能GPU,难以在无GPU笔记本或者移动设备上运行的现状,受YOLO-Lite设计思路的启发,对现有的轻量级目标检测模型YOLOv3-tiny进行删减,去除该网络模型中对运行速度影响较大,且精度影响较低的因素,提出一种可以在CPU设备上实时运行的目标检测模型YOLO-mini。精简后的网络相较于原有模型,在精度仅有少量损失的情况下,检测速度提高5倍,在CPU上运行可以达到66.05%的检测精度,8.1帧每秒的检测速度,在当今深度学习均依赖于高性能GPU的情况下,提供一种新的可在CPU上实时运行目标检测网络。
论文目录
文章来源
类型: 期刊论文
作者: 邢关生,许甫
关键词: 深度学习,实时目标检测
来源: 电子测量技术 2019年24期
年度: 2019
分类: 信息科技
专业: 计算机硬件技术,计算机软件及计算机应用
单位: 青岛科技大学自动化与电子工程学院
基金: 国家自然科学基金(61503118),山东省高等学校科技计划项目(J18KA327)
分类号: TP391.41;TP332
DOI: 10.19651/j.cnki.emt.1903139
页码: 148-151
总页数: 4
文件大小: 1740K
下载量: 368