实时目标检测正在风靡计算机视觉行业 以下是SlimYOLOv3的介绍,这是最新的实时目标检测框架 我们会介绍SlimYOLOv3架构,包括它如何检测目标 介绍 人类可以在几毫秒内在我们的视线中挑选出物体...好吧,这是文章的关键所在--SlimYOLOv3框架!SlimYOLOv3旨在处理这些限制并以令人难以置信的精度执行实时目标检测。...让我们首先了解SlimYOLOv3是什么,然后我们将介绍架构细节以更好地理解框架。 SlimYOLOv3介绍 你能猜出深度学习管道是如何工作的吗?...现在让我们讨论一下SlimYOLOv3的结构,以便更好,更清楚地理解这个框架底层的工作原理。 了解SlimYOLOv3的结构 下图说明了SlimYOLOv3的工作原理: ?...SlimYOLOv3 然后我们定义一个全局阈值,比如说ŷ,并丢弃任何缩放因子小于此阈值的通道。通过这种方式,我们修剪了YOLOv3架构并获得了SlimYOLOv3架构: ?
今天arXiv新上论文SlimYOLOv3: Narrower, Faster and Better for Real-Time UAV Applications,作者对YOLOv3的改进版进行了剪枝,...下图为作者发明的三种设置下的SlimYOLOv3 相比较基线版本的YOLOv3的结果: ? YOLOv3-tiny 是YOLOv3的一种快速算法,但精度下降太多。...YOLOv3经过稀疏训练,得到各通道的尺度因子,然后去除那些尺度因子小的通道,将剪枝得到的模型SlimYOLOv3在数据集上进一步微调,得到检测结果,然后进入下一轮的稀疏训练。...0.5/prune.weights 论文地址: https://arxiv.org/pdf/1907.11093v1.pdf 代码地址: https://github.com/PengyiZhang/SlimYOLOv3
他们展示了SlimYOLOv3,这是一种有效的无人机实时物体检测解决方案,与原始YOLOv3相比,具有更少的可训练参数和更低的计算开销。...YOLOv3最初训练有信道级稀疏正则化;接下来,通过根据YOLOv3中的缩放因子将特征通道修剪到一定比例来获得SlimYOLOv3;SlimYOLOv3最终还要经过微调,以补偿检测精度的暂时降低。...不同修剪比例的实验结果一致地验证了所提出的具有较窄结构的SlimYOLOv3比YOLOv3更有效,更快速和更好,因此更适合于无人机上的实时物体检测。...SlimYOLOv3能够实现与YOLOv3相当的检测精度,但它运行得更快,FLOP明显减少。...由于功耗始终与FLOP相关,而无人机需要低功耗,因此对于实时UVA应用,SlimYOLOv3比YOLOv3更快且更好。
来源:https://zhuanlan.zhihu.com/p/78942216 《SlimYOLOv3: Narrower, Faster and Better for Real-Time UAV...通过稀疏训练和通道剪枝获得SlimYOLOv3的程式可用下图概括: ? 首先来介绍下YOLOv3-SPP3,它是作者在YOLOv3基础上做了一点改进得到的。...接下来就是Fine-tuning(重训SlimYOLOv3)和Iteratively pruning(迭代修剪直到满足一定的条件,比如模型剪枝率达到一定要求,首选上图所示的增量修剪策略,以防止过度修剪)
SlimYOLOv3 SlimYOLOv3: Narrower, Faster and Better for UAV Real-Time Applications 作者:Pengyi Zhang, Yunxin...Zhong, Xiaoqiong Li 单位:北理工 论文:https://arxiv.org/abs/1907.11093 引用 | 18 解读:SlimYOLOv3:更窄、更快、更好的无人机目标检测算法...代码:https://github.com/PengyiZhang/SlimYOLOv3 Star | 953 时间:2019年7月15日 该文对YOLOv3的卷积层通道剪枝,大幅削减了模型的计算量
my_cfg.cfg --data data/my_data.data --weights weights/last.pt --percent 0.6 通道剪枝策略三 策略参考自PengyiZhang/SlimYOLOv3...(https://github.com/PengyiZhang/SlimYOLOv3),这个策略的通道剪枝率最高,先以全局阈值找出各卷积层的mask,然后对于每组shortcut,它将相连的各卷积层的剪枝
那么推荐看我写的这篇:深度学习算法优化系列八 | VGG,ResNet,DenseNe模型剪枝代码实战 Slim YOLOV3 项目地址:https://github.com/PengyiZhang/SlimYOLOv3...项目特点:《SlimYOLOv3: Narrower, Faster and Better for Real-Time UAV Applications》是arXiv, 25 Jul 2019的论文,
针对目标识别问题,可采用训练参数更少、计算量更小的SlimYOLOv3作为对象检测模型,面向不同识别对象的防控模型可统一封装成引擎调用,用于实时监测与识别预警。
领取专属 10元无门槛券
手把手带您无忧上云