-
公开(公告)号：CN110110627B
公开(公告)日：2021-03-30
申请号：CN201910333785.7
申请日：2019-04-24
Applicant: 江南大学
Abstract: 本发明公开了一种面向计算资源局限平台部署的实时目标检测的方法，属于深度学习和图像处理领域。本发明通过对YOLO‑v3‑tiny神经网络进行改进，Tinier‑YOLO保留了YOLO‑v3‑tiny的前五个卷积层和池化层以及2个不同尺度的预测，引入了SqueezeNet中的Fire模块、1*1瓶颈层和Dense连接，使得该结构可以在嵌入式AI平台上实时运行。本发明的Tinier‑YOLO的模型尺寸仅为7.9MB，本发明的实时性能与YOLO‑v3‑tiny相比提高了21.8％，与YOLO‑v2‑tiny相比提高了70.8％；准确度与YOLO‑v3‑tiny相比提高了10.1％，与YOLO‑v2‑tiny相比提高了近18.2％。本发明的Tinier‑YOLO能够实现在计算资源有限的平台上仍然可以进行实时检测的目的，且效果更好。
-
公开(公告)号：CN109583355B
公开(公告)日：2020-10-09
申请号：CN201811406445.4
申请日：2018-11-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于边界选择的人流统计的装置和方法，属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进，即将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到新的S‑YOLO‑PC神经网络，再利用S‑YOLO‑PC神经网络进行边界选择的人流统计，利用新的神经网络，使得其在模型大大缩小的情况下提高了其精确度，能够用于多种场合的人流检测。
-
公开(公告)号：CN109583355A
公开(公告)日：2019-04-05
申请号：CN201811406445.4
申请日：2018-11-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于边界选择的人流统计的装置和方法，属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进，即将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，再用SqueezeNet中的Fire模块分别替代YOLO-PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到新的S-YOLO-PC神经网络，再利用S-YOLO-PC神经网络进行边界选择的人流统计，利用新的神经网络，使得其在模型大大缩小的情况下提高了其精确度，能够用于多种场合的人流检测。
-
公开(公告)号：CN110110627A
公开(公告)日：2019-08-09
申请号：CN201910333785.7
申请日：2019-04-24
Applicant: 江南大学
Abstract: 本发明公开了一种面向计算资源局限平台部署的实时目标检测的方法，属于深度学习和图像处理领域。本发明通过对YOLO-v3-tiny神经网络进行改进，Tinier-YOLO保留了YOLO-v3-tiny的前五个卷积层和池化层以及2个不同尺度的预测，引入了SqueezeNet中的Fire模块、1*1瓶颈层和Dense连接，使得该结构可以在嵌入式AI平台上实时运行。本发明的Tinier-YOLO的模型尺寸仅为7.9MB，本发明的实时性能与YOLO-v3-tiny相比提高了21.8％，与YOLO-v2-tiny相比提高了70.8％；准确度与YOLO-v3-tiny相比提高了10.1％，与YOLO-v2-tiny相比提高了近18.2％。本发明的Tinier-YOLO能够实现在计算资源有限的平台上仍然可以进行实时检测的目的，且效果更好。
-
-
-
Search Results
4
records
(took 0.017 seconds)
