基于卷积神经网络的轻量化目标检测网络

针对目前常用的目标检测算法计算复杂度高,在嵌入式平台检测速度低的问题,提出一种适用于嵌入式平台的轻量化目标检测网络(BENet)。首先,该网络在MobileNetv2轻量化网络的基础上加入通道特征交织模块,来设计骨干网络,有效地增强了轻量化骨干网络的特征表达;其次,提出自适应多尺度加权特征融合模块,通过对不同尺度的特征进行权重分配,学习各个尺度特征之间的相关性;最后,尝试引入空间金字塔池化结构来获取不同感受野的上下文信息。在VOC数据集上的实验结果表明:所提BENet在保持较高目标检测精度和检测速度的同时,具有较低的计算复杂度和较小的参数量,更适合应用于嵌入式平台。