基于轻量化网络的边缘监控目标检测方法、系统与设备

本发明公开了一种基于EffcientNetV2和GhostNet轻量化网络改进的边缘监控目标检测方法、系统与设备，S1：获取监控图像数据集，预处理数据集；S2：构建基于EffcientNetV2和GhostNet轻量化网络改进的监控目标检测网络模型；S3：更改损失函数BBox：基于IOU；S4：设置网络参数；S5：根据步骤2，3重构的神经网络模型，使用步骤1中的训练集进行训练，将训练所得的最佳权重文件在测试集上进行验证；本发明结合EffcientNetV2和GhostNet重构单阶段目标检测的主干网络部分，使参数量达到了4140404，浮点运算量为5.1GFLOPS，相较于现有主流的yolo算法，参数量仅上升31.25％，浮点运算量下降41.38％，平均精度下降1.2％，达到了部署于边缘设备的实时要求。