Journal: Engineering and Management Science DOI: 10.32629/ems.v8i9.22147
Abstract
边缘设备的算力与访存带宽双重受限，使检测模型的参数压缩不能仅以浮点运算量为唯一目标。针对深度可分离卷积在低通道数下计算强度不足、实际时延与理论量级背离的问题，构建以部分卷积与跨阶段特征复用为核心的轻量主干，并在特征融合通路上以通道剪裁替代整层删除，保留多尺度语义的完整性。检测头的固定置信度阈值被替换为随目标尺度与局部密度联动的自适应判决机制，阈值由预测分布的统计量在线估计，缓解密集小目标场景下漏检与误检此消彼长的困境。实验结果表明，参数量与推理时延同步下降，平均精度均值未出现明显折损，小目标类别的召回获得改善，模型在嵌入式平台上的实测帧率满足实时约束。
Keywords
目标检测；轻量化网络；自适应置信度；特征融合；边缘部署
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 绳鹏飞,杨军. 采用轻量化主干网络的遥感影像目标检测[J].测绘科学,2023,48(5):58-67.
[2] 杨玉敏,廖育荣,林存宝,等. 轻量化卷积神经网络目标检测算法综述[J].舰船电子工程,2021,41(4):31-36.
[3] 权宇,李志欣,张灿龙,等. 融合深度扩张网络和轻量化网络的目标检测模型[J].电子学报,2020,48(2):390-397.
[4] 初文婷, 刘菁, 张稚萱, 黄峻恺, 陈宇, 袁媛, 魏祥龙. 基于改进YOLOv8n的水面漂浮物轻量化检测方法[J]. 水电能源科学, 1-12.
[5] 王骏涛, 刘竞阳, 冯勋伟, 杨加宇, 杨彪, 龙萍. 基于稀疏注意力增强与轻量特征融合的小目标车辆检测方法[J]. 计算机测量与控制, 1-12.
[2] 杨玉敏,廖育荣,林存宝,等. 轻量化卷积神经网络目标检测算法综述[J].舰船电子工程,2021,41(4):31-36.
[3] 权宇,李志欣,张灿龙,等. 融合深度扩张网络和轻量化网络的目标检测模型[J].电子学报,2020,48(2):390-397.
[4] 初文婷, 刘菁, 张稚萱, 黄峻恺, 陈宇, 袁媛, 魏祥龙. 基于改进YOLOv8n的水面漂浮物轻量化检测方法[J]. 水电能源科学, 1-12.
[5] 王骏涛, 刘竞阳, 冯勋伟, 杨加宇, 杨彪, 龙萍. 基于稀疏注意力增强与轻量特征融合的小目标车辆检测方法[J]. 计算机测量与控制, 1-12.
Copyright © 2026 刘梓熙
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License