科创中国

公开了一种部署在计算资源有限的平台上的实时目标检测方法，属于深度学习和图像处理领域。本发明对yolo-v3-tiny神经网络进行了改进，较细的yolo保留了yolo-v3-tiny的前五个卷积层和汇聚层，并在两个不同的尺度上进行了预测。通过引入挤压网中的fire模块、1×1瓶颈层和密集连接，实现了在嵌入式人工智能平台上实时运行的更小、更快、更轻量级的网络。本发明中更小的yolo的模型尺寸仅为7.9mb，仅为yolo-v3-tiny和yolo-v2-tiny的34.9mb的¼。tinier-yolo模型尺寸的减小不影响tinier-yolo的实时性能和精度。本发明的tinieryolo的实时性能比yolo-v3-tiny高21.8%，比yolo-v2-tiny高70.8%。与yolo-v3-tiny相比，较细yolo的准确率提高了10.1%。与yolo-v2-tiny相比，tinier-yolo的准确率提高了近18.2%。本发明中更小的yolo仍然可以在资源有限的平台上实现实时检测，效果更好。