计算机工程与应用

2022, v.58;No.1013(22) 172-178

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进RetinaNet的轻量化工件检测算法研究
Research on Lightweight Workpiece Detection by Improved RetinaNet

梅菠萍;赵皓;阳珊;李林静;张静;张华;

摘要(Abstract):

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,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,降低后处理过程中的计算复杂度;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。该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,改进模型的检测准确率分别达到99.5%、80.5%,检测速度分别达到39.8 FPS、38.3 FPS。实验结果表明,该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。

关键词(KeyWords): RetinaNet;MobileNet-V2;引导采样;GFocalLossV2

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划(2019YFB1310503);; 四川省科技计划项目(2020YFSY0062,2021YFG0100)

作者(Authors): 梅菠萍;赵皓;阳珊;李林静;张静;张华;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享