计算机工程与科学

作者：王冠博, 赵一帆, 李波, 杨俊东, 丁洪伟

单位：1.云南大学信息学院,云南 昆明 650504；2.云南民族大学电气信息工程学院，云南 昆明 650031

关键词：轻量级目标检测,YOLO v4-tiny,火焰实时检测,感受野,沙漏型CSP-ResNet,

基金：国家自然科学基金（61461053,61461054）

为解决火焰实时检测参数量大、对硬件计算能力要求高等问题，提出了改进型YOLO v4-tiny的轻量级火焰实时检测模型。首先，对模型的参数进行了修剪；其次，通过在模型的浅层加入改进型的CSP-RFBs，扩大网络浅层的感受野；然后，对CSP-ResNet的框架进行改进，提出了速度更快、准确率更高的沙漏型CSP-ResNet；最后，在网络深层采用改进型CSP-SPPs，对多重感受野进行进一步融合。实验结果表明，改进型YOLO v4-tiny模型的准确率可达48.5%，较原模型提升了15.5%；模型的参数量和权重文件大小分别为2.45 BFLOPs和16.3 Mb，分别比原模型减少了63.9%和30.6%。在移动开发板NVIDIA Jeston Xavier上FPS可达49.6，比原模型提升了21.9%。

来源：2022年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第12期