摘要
本发明涉及计算机视觉技术领域,提供一种基于YOLO的轻量级目标检测方法。包括以下步骤:获取并预处理图像,获得预处理后的图像;基于YOLOv8框架建立轻量级目标检测模型,所述轻量级目标检测模型包括主干网络、特征提取网络和联合剪枝‑优化模块;设置训练参数,使用预处理后的图像对所述轻量级目标检测模型进行训练,得到轻量级目标检测训练模型;将需要的检测图像输入到轻量级目标检测训练模型中,得到检测结果。本发明通过替换骨干特征提取网络提高模型的检测精度和特征融合能力。然后利用模型稀疏化训练和模型剪枝,提升推理速度降低网络参数,通过知识蒸馏恢复模型精度并保持模型轻量性。
技术关键词
特征提取网络
参数
教师
蒸馏
多尺度
数据
检测模型训练
ReLU函数
计算机视觉技术
图像
全局平均池化
注意力
学生
模型剪枝
双线性插值
上采样
特征提取模块
动态
系统为您推荐了相关专利信息
深度孪生网络
伪造印文
深度孪生神经网络
深度神经网络
随机梯度下降
变频驱动系统
模型预测控制方法
双矢量模型预测
算法
构建代价函数