基于神经网络模型压缩技术的目标检测算法研究

摘要

随着深度学习技术在目标检测领域不断的发展,检测精度也在不断提高;但神经网络算法模型对硬件平台的计算资源要求很高,难以在小型化设备展开应用;为保证神经网络算法满足高精度的情况下提高其运行效率,本文开展了基于神经网络模型压缩技术的目标检测算法研究.首先,采用K-means++聚类算法对数据集中先验框进行聚类,以便在训练初始阶段获取较好的初始值;接着,针对运算速度问题,对基于Darknet53构建的YOLOv3算法进行优化,对YOLOv3算法网络模型进行模型剪枝;最后,进行试验验证.结果表明本文算法能够在保证精度损失较小的情况下,将算法的运行速度提高两倍.