基于YOLOv3模型压缩的交通标志实时检测算法

摘要

YOLOv3目标检测算法检测精度高,检测速度快,能够实现对交通标志的实时检测.但由于YOLOv3模型要求设备具有较强的运算能力及较大的内存,难以直接部署在车辆等资源受限平台上.针对此问题,提出了一种Strong Tiny-YOLOv3目标检测模型,该模型通过引入FireModule层进行通道变换,在减小模型参数的同时能够加深模型深度.同时,模型在FireModule层之间加入short-cut来增强网络的特征提取能力.实验结果表明,模型在保持较高检测精度的前提下,能够极大减小YOLOv3模型对设备的依赖.与Tiny-YOLOv3模型相比,Strong Tiny-YOLOv3模型的参数量减少了87.3％,实际内存大小减少了77.9％,在GeForce 940MX上的检测速度提高了22.8％,且在GTSDB和CCTSDB交通标志数据集上的检测mAP分别提高了12％和3.8％.