A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms with Limited Computational Resources 面向计算资源有限平台的轻量级有线电视网络目标检测算法综述

**Abstract：**几个轻量级CNN架构的综述，可用于嵌入式目标。前文主要讲了几个基于深度CNN架构，如AlexNet [14]、VGGnet [15]、GoogLeNet [16]和ResNet [17]。所有这些体系结构在计算上都很耗力，这使得它们不适合嵌入式系统的实现。重点在后面这几个轻量级的CNN架构。
MobileNet：就是上一篇讲的深度卷积可分离网络。它将卷积分解为深度方向的可分离卷积，然后是点方向的卷积，以构建轻量级深度神经网络(图9)。此外，它引入了两个简单的超参数，其中一个超参数是宽度乘数，它允许我们减少通道的数量，而第二个超参数是分辨率乘数，它减少了要素地图的空间维度。 MobileNet-SSD在COCO数据集上准确率很高，比YOLOv2好。
SqueezeNet：SqueezeNet [27]是一个小型CNN架构，在ImageNet数据集上以少50倍的参数实现AlexNet CNN的准确性.使用深度压缩技术，挤压网可以比AlexNet小500倍[28]。SqueezeNet架构基于三种策略:-使用(11)过滤器而不是(33)过滤器，因为(11)过滤器比(33)过滤器少9x个参数；-使用挤压层将输入通道数量减少到3×3过滤器；和-后期下采样以保持大的特征图。Fire模块是SqueezeNet架构的积木，由两层组成:一个压缩卷积层，只有(11)个滤镜，一个扩展层，混合了(11)和(3*3)个卷积滤镜(图10)。

ShuffleNet：在ImageNet分类和COCO检测的任务上，它提供了比MobileNet更好的性能。ShuffleNet架构使用两种新的操作，以便在保持准确性的同时降低计算成本。这些操作是逐点组卷积和通道混洗。信道混洗操作允许将每个组中的信道分成许多子组，然后用不同的子组馈送给下一层中的每个组。在基于ARM的移动设备上，ShuffleNet实现了比AlexNet架构13倍的实际加速，同时保持了相当的准确性。

PeleeNet：在使用Nvidia Jetson TX2的ImageNet ILSVRC 2012上，PeleeNet实现了比MobileNet两个版本更好的准确性和1.8倍的速度。同时，PeleeNet模型的大小比MobileNet小66%。

【论文笔记】A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms相关推荐

论文精度笔记(五)：《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
作者单位:港大, 同济大学, 字节AI Lab, UC伯克利文章目录论文以及源码获取论文题目参考文献 1. 研究背景 2. 贡献 3. 相关工作 3.1 DSConv 3.2 MBConv 3 ...
论文阅读：Saliency-Guided Region Proposal Network for CNN Based Object Detection
论文阅读:Saliency-Guided Region Proposal Network for CNN Based Object Detection (1)Author (2)Abstract (3 ...
论文解读《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
论文:Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model 基于CNN的目标检测模 ...
论文笔记 Object-Aware Instance Labeling for Weakly Supervised Object Detection - ICCV 2019
Object-Aware Instance Labeling for Weakly Supervised Object Detection Kosugi ICCV, 2019 (PDF) (Citat ...
论文笔记 Feature Selective Anchor-Free Module for Single-Shot Object Detection - CVPR 2019
2019 FSAF Feature Selective Anchor-Free Module for Single-Shot Object Detection Chenchen Zhu, Yihui ...
【论文笔记】Region-based Convolutional Networks for Accurate Object Detection and Segmentation
<Region-based Convolutional Networks for Accurate Object Detection and Segmentation>是将卷积神经网络应用 ...
【论文笔记】Multi-Content Complementation Network for Salient Object Detection in Optical RSI
论文论文:Multi-Content Complementation Network for Salient Object Detection in Optical Remote Sensing I ...
论文笔记-YOLOv4: Optimal Speed and Accuracy of Object Detection
论文地址:https://arxiv.org/pdf/2004.10934v1.pdf code:https://github.com/AlexeyAB/darknet. 摘要有大量的技巧可以提高C ...
论文笔记——Stitcher：Feedback-driven Data Provider for Object Detection
论文下载: https://arxiv.org/pdf/2004.12432.pdf 论文摘要: 代码暂未开源该论文摘要概括:目标检测器的效果是根据物体尺度的不同而不同,在小对象性能上是最不令人满意 ...

【论文笔记】A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms

A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms with Limited Computational Resources 面向计算资源有限平台的轻量级有线电视网络目标检测算法综述

【论文笔记】A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms相关推荐

最新文章

热门文章