Abstract：
基于深度学习的目标检测算法因其模型复杂度和对计算能力的要求,难以部署在移动设备等低算力平台上.为了降低模型的规模,提出一种轻量级目标检测算法.该算法在自顶向下的特征融合的基础之上,通过添加注意力机制构建特征金字塔网络,以达到更细粒度的特征表达能力.该模型以分辨率为320×320的图像作为输入,浮点运算量只有0.72 B,并在VOC数据集上取得了74.2％的mAP,达到了与传统单阶段目标检测算法相似的精度.实验数据表明,该算法在保持了检测精度的同时显著降低了模型运算量,更适合低算力条件下的目标检测.
Keyword：
Reprint Author's Address：
Email：
Source ：
电子技术应用
ISSN： 0258-7998
Year： 2021
Issue： 10
Volume： 47
Page： 33-37
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 31
Affiliated Colleges：
