科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对YOLOv4算法主干网络庞大，参数量和计算量较多，很难适用于算力和存储资源有限的移动端嵌入式设备的缺点，将算法原本的CSPDarknet53主干特征提取网络替换为改进的ShuffleNet v2网络，并使用深度可分离卷积替换原算法网络中的普通卷积，降低网络模型大小，减少算法参数量和计算量。在ShuffleNet v2网络模型改进方面，分析并剪裁网络结构基本组件，利用两个3■3卷积核级联的方式提高网络感受野，使用Mish激活函数进一步提高网络精度和模型推理速度。在GPU和ZYNQ平台下与原算法对比，本文改进的YOLOv4算法，在牺牲1.8%的精度下，提高了算法27%的检测速度并压缩了23.7%的算法容量，同时能够有效的发挥出ZYNQ并行高速数据处理且功耗低的优点。
- 出版日期2021-10-18
- 单位大连交通大学
