科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统目标检测模型参数量巨大，制约算法部署与模型推理实时性的问题，本文提出一种基于改进RetinaNet检测模型的轻量化实时目标检测网络。使用MobileNet-V2代替RetinaNet模型中的ResNet骨干网络，降低整体模型的参数量；设计锚框引导采样机制，基于特征金字塔输出特征层生成感兴趣区域掩码，减少背景区域冗余锚框，降低后处理过程中计算复杂度；同时，引入GFocalLossV2损失函数统计预测边框分布特征，优化预测边框质量以及提升分类准确度。本文模型在自制多类别工件数据集WP和Pascal VOC公开数据集上进行验证实验，改进模型的检测精度分别达到99.5%、80.5%的准确率，检测速度分别到达40fps、38fps。实验结果表明，本文提出的轻量级目标检测模型能够实现实时检测，同时保证了检测精度。
