适用于嵌入式设备的轻量级深度学习网络RepYOLO

提出了一种轻量级深度学习网络模型RepYOLO算法,并将其移植到嵌入式设备MCU/MPU中。该网络模型RepYOLO以YOLOv4为基础网络模型,通过改进YOLOv4的主干网络CSPDarkNet为RepBlock结构、在Neck层中引入CBAM注意力机制以及在Head层替换anchor-based检测头为anchor-free检测头并加入ATSS算法减小计算量、提高推理速度和检测精度。结果表明,与原YOLOv4模型相比,网络模型RepYOLO在小麦穗检测上表现出更显著的优势,其精度率、召回率、F1值和平均精度均值分别提高了4.7、3.6、1.5、1.7个百分点;此外,RepYOLO在嵌入式设备MCU/MPU上的推理时间分别降低了37.03%和41.44%。