基于YOLOv3模型压缩的车辆和行人检测算法研究

目录

声明

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 车辆行人检测算法技术研究现状

1.2.2 模型压缩算法研究现状

1.3 本文主要研究内容

2 基于YOLOv3改进的车辆行人检测算法

2.1 网络训练数据集构建

2.2 车辆行人目标检测算法

2.2.1 骨干网络

2.2.2 头部网络

2.2.3 YOLO后处理过程

2.3 车辆行人检测算法训练

2.3.1 对BDD100k数据集Anchor聚类

2.3.2 评价指标

2.3.3 损失函数

2.3.4 车辆行人目标检测网络训练实验

2.4 前景目标数量不平衡改进

2.5 本章小结

3 车辆行人检测模型的剪枝算法

3.1 基于BN层的网络稀疏化算法

3.1.1 BN层

3.1.2 BN层稀疏化

3.2 基于BN层的通道剪枝算法

3.2.1 一般卷积层模型通道剪枝

3.2.2 Shortcut模块通道剪枝

3.2.3 通道剪枝算法实验

3.3 模型层剪枝算法

3.3.1 Shortcut层剪枝

3.3.2 模型层剪枝实验

3.4 本章小结

4 基于TensorRT加速的车辆行人轻量级检测算法

4.1 嵌入式实验平台简介

4.2 Jetson TX2平台

4.3 基于TensorRT加速算法

4.3.1 网络层及张量合并

4.3.2 Jetson TX2 FP16低精度推理

4.4 TensorRT模型优化实现

4.4.1 ONNX模型转化

4.4.2 ONNX-TensorRT模型转化

4.5 TensorRT推理引擎推理实验

4.5.1 TensorRT推理引擎推理

4.5.2 实验结果对比

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间发表学术论文情况

致谢