YOffleNet | YOLO V4 基于嵌入式設(shè)備的輕量化改進(jìn)設(shè)計(jì)
以下文章來(lái)源于集智書童 ,作者ChaucerG
1簡(jiǎn)介
最新的基于CNN的目標(biāo)檢測(cè)模型相當(dāng)精確,但需要高性能GPU實(shí)時(shí)運(yùn)行。對(duì)于內(nèi)存空間有限的嵌入式系統(tǒng)來(lái)說(shuō),它們?cè)趦?nèi)存大小和速度方面依舊不是很好。
由于目標(biāo)檢測(cè)是在嵌入式處理器上進(jìn)行的,因此在保證檢測(cè)精度的同時(shí),最好盡可能地壓縮檢測(cè)網(wǎng)絡(luò)。有幾個(gè)流行的輕量級(jí)檢測(cè)模型,但它們的準(zhǔn)確性太低。因此,本文提出了一種新的目標(biāo)檢測(cè)模型 YOffleNet,該模型在壓縮率高的同時(shí),將精度損失降到最小,可用于自動(dòng)駕駛系統(tǒng)上的實(shí)時(shí)安全駕駛應(yīng)用。該模型的Backbone架構(gòu)是基于YOLOv4實(shí)現(xiàn),但是可以用ShuffleNet的輕量級(jí)模塊代替CSP的高計(jì)算負(fù)荷的DenseNet,從而大大壓縮網(wǎng)絡(luò)。
在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)表明,提出的YOffleNet比YOLOv4-s壓縮了4.7倍,在嵌入式GPU系統(tǒng)(NVIDIA Jetson AGX Xavier)上可以達(dá)到46FPS的速度。與高壓縮比相比,精度略有降低,為85.8% mAP,僅比YOLOv4-s低2.6%。因此,提出的網(wǎng)絡(luò)具有很高的潛力部署在嵌入式系統(tǒng)。
2YOLO V4簡(jiǎn)述
在YOLOv4的主干網(wǎng)絡(luò)CSPDarknet-53中,CSP將特征卷積一定次數(shù)后復(fù)制使用與前一層特征cat起來(lái),然后利用DenseNet模塊。
在Neck中,輸入特征圖有3種大小。SPP最大池化后concat技術(shù)提高了各種尺寸輸入的準(zhǔn)確性。此外,它通過(guò)自底向上的路徑增強(qiáng)技術(shù)平滑特征。
YOLOv4引入PANet以促進(jìn)信息流和它彌補(bǔ)了權(quán)重帶來(lái)的精度損失問(wèn)題。
YOLO v4的Head依舊采用YOLOv3的物體檢測(cè)方法。
3YOLO V4輕量化設(shè)計(jì)
YOffleNet
YOLOv4中使用的主要模塊是下圖中的CSP DenseNet;此外為了防止初始特征圖中的信息丟失的問(wèn)題,作者還設(shè)計(jì)了PANet結(jié)構(gòu),其是通過(guò)自下而上的路徑增強(qiáng)特征表達(dá)的。它促進(jìn)信息的流動(dòng)的同時(shí)也增加了特征圖中的通道數(shù)、增加參數(shù)的數(shù)量,這也是YOffleNet模型為它改進(jìn)了上述YOLOv4模型的缺點(diǎn)。
CSP DenseNet
改進(jìn)點(diǎn) 1
主干層CSP DenseNet是一種隨著深度增加而不可避免地增加計(jì)算量的結(jié)構(gòu)。在本研究中,主干網(wǎng)絡(luò)層被配置為ShuffleNet模塊。
ShuffleNet模塊
改進(jìn)點(diǎn) 2
YOLOv4網(wǎng)絡(luò)中使用的SPP+PANet結(jié)構(gòu)簡(jiǎn)化和減輕模型的大小?,F(xiàn)有YOLOv4模型的PANet從主干網(wǎng)絡(luò)分為3層作為輸入的。然而,常見(jiàn)對(duì)象檢測(cè)情況與自動(dòng)駕駛環(huán)境不同,有限類別中的物體檢測(cè)(汽車、行人等,更小的目標(biāo)也就少了)。
基于這個(gè)原因,改進(jìn)PANet可以接收來(lái)自backbone網(wǎng)絡(luò)的只有2層的輸入。Upsample, Downsample層的位置和數(shù)量變少了。計(jì)算量相對(duì)也就減少了。
4實(shí)驗(yàn)
沒(méi)啥好評(píng)價(jià)的,確實(shí)變快了,但是這個(gè)改進(jìn)確實(shí)有點(diǎn)。。。。你懂的!??!
5參考
[1].Developing a Compressed Object Detection Model based on YOLOv4 for Deployment on Embedded GPU Platform of Autonomous System
*博客內(nèi)容為網(wǎng)友個(gè)人發(fā)布,僅代表博主個(gè)人觀點(diǎn),如有侵權(quán)請(qǐng)聯(lián)系工作人員刪除。
電能表相關(guān)文章:電能表原理