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
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
