首页|改进YOLOv4的蚕豆苗检测算法及TensorRT加速

改进YOLOv4的蚕豆苗检测算法及TensorRT加速

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
提出一种基于改进YOLOv4网络的轻量化蚕豆苗检测方法,使用MobileNet网络代替YOLOv4原主干网络CSPDarknet53,并用深度可分离卷积替换骨干网络,加强特征提取网络和预测层的普通卷积;改进网络训练后,利用NVIDIA的加速引擎TensorRT对网络结构进行重构和优化,提高GPU运行效率,在嵌入式平台上实现模型的推理与加速;实验结果显示:改进网络体积缩小至原网络体积约20％,AP仅下降3.14％,但检测速度是原网络的4倍.在Jetson Nano嵌入式平台上,改进后的网络模型推理速度达到20.3FPS;表明提出的网络模型能支持深度学习模型在嵌入式平台的实时应用.
The improved YOLOv4 algorithm for broad bean sprout detection and TensorRT acceleration

杨肖、袁锐波、李兆旭、曹志鹏、林红刚、朱正

展开 >

昆明理工大学机电工程学院,昆明 650504

目标检测 YOLOv4 TensorRT 嵌入式平台

云南省重大科技专项计划项目

202202AC080008

2023

10.3969/j.issn.1674-8425(z).2023.03.036

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(6)
  • 1
  • 6