计算机工程

作者：曹远杰, 高瑜翔

单位：1. 成都信息工程大学 通信工程学院, 成都 610225;2. 气象信息与信号处理四川省高校重点实验室, 成都 610225

关键词：深度学习,卷积神经网络,YOLOv4-Tiny算法,残差结构,轻量化,目标检测

基金：四川省教育厅高校创新团队项目（15TD0022）。

YOLOv4-Tiny目标检测网络算法存在参数多和计算量大等问题，无法部署在资源有限的平台上。提出一种基于GhostNet残差结构的主干轻量级目标检测网络算法YOLO-GhostNet。该算法采用GhostNet结构将普通卷积分成两步，即使用较少的卷积核生成一部分特征图，对生成的特征图通过简单计算获得另一部分特征图，并将两组特征图进行拼接，以减少计算所需资源与参数量。通过GhostNet构建残差结构的YOLO-GhostNet算法在经过批量归一化层优化后模型尺寸只有2.18 MB，较YOLOv4-Tiny算法模型尺寸减小90%。YOLO-GhostNet算法在GPU加速环境下平均处理图片速度比YOLOv4-Tiny算法提高24%，CPU处理速度比YOLOv4-Tiny加快56%。实验结果表明，该算法在饮料测试集中的平均精确度均值达到79.43%，相比YOLOv4-Tiny算法，其在精度无损失情况下能够大幅降低网络计算量和参数量，同时加快推理速度，更适合部署于资源算力不足的嵌入式设备。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期