科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对移动物流机器人的工作环境光线暗、背景复杂，障碍物目标小、特征不显著等问题，考虑到物流机器人处理器设备的内存和计算能力有限，提出一种在卷积层进行通道剪枝的高效目标检测算法。对YOLOv3目标检测算法进行了改进，提出了训练参数和运算量都相对较少的SlimYOLOv3-A：在YOLOv3的backbone尾端添加PSA注意力模块，提高对小目标障碍物的检测精度；在通道比例因子上施加L1正则化来改善卷积层的通道稀疏性，修剪信息量较少的特征通道以获得精简的目标检测模型。实验结果表明，改进后的模型有效地平衡了模型大小、检测性能和运算速度三者的关系。Slim YOLOv3-A(90%剪枝率)对比YOLOv3的参数量减少约87.5%，模型体积减少约87.4%，检测速度提高43%，检测精度提升2.6%。
- 出版日期2023
- 单位上海理工大学
