嵌入式CNN检测网络--LCDet
来源:互联网 发布:linq 获取不重复数据 编辑:程序博客网 时间:2024/06/06 00:24
LCDet: Low-Complexity Fully-Convolutional Neural Networks for Object Detection in Embedded System
https://arxiv.org/abs/1705.05922
本文针对嵌入式设备以 YOLO为基础,提出 LCDet 在 TensorFlow 上实现,采用 8-bit 定点 TF-model 达到实时检测,精度也不错。
YOLO 和 LCDet 的主要区别:
LCDet 将 YOLO 最后两个全连接层更换为全卷积层,LCDet 中除了最后一层,其它层都用 ReLU 激活响应,YOLO用的是 LeakyReLU。
最后一层我们采用三类激活响应函数: classification (softmax) output, confidence (sigmoid) score, and localization (no activation) outputs
3.2. Training Methodology
和 Faster R-CNN 4个步骤交替训练不同,我们采用了 YOLO 的端对端训练,采用 multi-part object detection loss
3.3. Detection-Specific Layers
将YOLO 最后两个全连接层更换为 全卷积层, 参数由 269×10^6 变为 2.3 × 10^6, 减少了 115×
3.4. Quantized Model
这里我们将浮点模型变为 8位定点模型, 4× memory reduction,while keeping the
accuracy nearly as good as the floating point model and achieves 20× performance gain compared to the floating point model.
- 嵌入式CNN检测网络--LCDet
- 经典cnn检测网络
- 目标检测:R-CNN
- cnn目标检测
- 目标检测R-CNN
- FastR-CNN / FarsterR-CNN 目标检测
- 目标检测网络发展历程从R-CNN到Faster-RCNN
- 目标检测之CNN系列
- 级联CNN人脸检测
- CNN-目标检测、定位、分割
- 目标检测:Fast R-CNN
- 目标检测:Faster R-CNN
- CNN-目标检测、定位、分割
- CNN-目标检测,定位,分割
- 目标检测--Faster R-CNN
- 目标检测之CNN系列
- Faster R-CNN物体检测
- CNN-目标检测、定位、分割
- 最小二乘法总结
- web api 接口
- java实现插入排序
- 避免 Hibernate 中用get/load方法获取的实体调用set方法后自动更新
- 仿微信或QQ下方的TabBar
- 嵌入式CNN检测网络--LCDet
- APK反编译
- 简单的fragment之间跳转
- 工具(二):数组常用操作工具类
- Java 类Scanner的学习
- 剑指offer 面试题39 二叉树的深度
- 用java怎么创建一个文件并向该文件写文本内容
- 在dubbo中开发REST风格的远程调用
- java正则获取中间字符串不包括前后