吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (3): 545-551.
许爱华, 陈佳韵, 张明文, 刘 浏
XU Aihua, CHEN Jiayun, ZHANG Mingwen, LIU Liu
摘要: 针对传统卷积神经网络模块体积庞大、 运算量高, 在体积较小、 资源有限的嵌入式平台上运行效果不好, 以及现有轻量化模块无法满足测量速度和测试精确度要求的问题, 为此选择目前的主流目标识别算法 Yolo v4 进行模型轻量化, 在 Yolo v4 模型中引入 Mobilenet 网络和深度可分离模块进行研究。 研究结果表明, 改进后不 同 Mobilenet 网络的 Yolo v4 模型检测一张图片的用时均比原始 Yolo v4 模型减少 19 ms 以上, 准确率都高于 92% 。 其中以 Mobilenet v3 为主干特征提取网络的改进 Yolo v4 模型的准确率为 95. 12% , 与原始 Yolo v4 模型 准确率相比提高 2. 99% , 但该模型的参数量约为 Yolo v4 模型的 1 / 6, 模型处理一张巡检图片用时比原 Yolo v4 模型减少 20 ms。 绝缘子作为输电线路的重要组成部分, 在众多图像中更快地识别出绝缘子能为之后分析输电 线路的运行情况提供帮助。
中图分类号: