YOLOv3-ADS:一种基于YOLOv3的深度学习目标检测压缩模型

摘要

基于原有YOLOv3模型占用存储空间较大,所需初始化数据集样本和参数较多的问题,本文提出了一种基于YOLOv3的深度学习目标检测压缩模型YOLOv3-ADS.该模型使用拼接、叠加等方法对较少的有代表性的初始数据集进行数据增强,引入了DIoU损失函数,提升了目标检测的准确度.最后,通过稀疏训练和剪枝率阈值设置实现了YOLOv3-ADS模型的压缩处理,减少了模型实现过程中的冗余节点、参数数量和所需存储空间.实验结果表明,提出的YOLOv3-ADS压缩模型与已有的YOLOv3模型相比,平均精度值(mAP值)提升了约30％,由0.6418提升至0.8368,需设置参数量下降了96.6％,由原来的63.0 MB降至2.2 MB,在保证了较高目标检测准确率的同时,YOLOv3-ADS模型所需存储空间下降了96.5％,由252 MB降至仅需8.81 MB.