科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决火焰实时检测参数量大、对硬件计算能力要求高等问题，提出了改进型YOLO v4-tiny的轻量级火焰实时检测模型。首先，对模型的参数进行了修剪；其次，通过在模型的浅层加入改进型的CSP-RFBs,扩大网络浅层的感受野；然后，对CSP-ResNet的框架进行改进，提出了速度更快、准确率更高的沙漏型CSP-ResNet;最后，在网络深层采用改进型CSP-SPPs,对多重感受野进行进一步融合。实验结果表明，改进型YOLO v4-tiny模型的准确率可达48.5%,较原模型提升了15.5%;模型的参数量和权重文件大小分别为2.45 BFLOPs和16.3 Mb,分别比原模型减少了63.9%和30.6%。在移动开发板NVIDIA Jeston Xavier上FPS可达49.6,比原模型提升了21.9%。
