Resumen

YOLO-Tiny es una versin ligera del modelo de deteccin de objetos basado en el modelo original You only look once (YOLO) para simplificar la estructura de la red y reducir los parmetros, lo que lo hace adecuado para aplicaciones en tiempo real. Aunque la serie YOLO-Tiny, que incluye YOLOv3-Tiny y YOLOv4-Tiny, puede alcanzar un rendimiento en tiempo real en una GPU potente, sigue siendo un reto aprovechar este enfoque para la deteccin de objetos en tiempo real en dispositivos informticos integrados, como los de los pequeos coches de trayectoria inteligente. En este artculo se propone una nueva red ligera de deteccin de objetos denominada YOLO embebido para obtener un rendimiento en tiempo real y de alta precisin en estos dispositivos. En primer lugar, se propone una nueva estructura de red troncal, la red ASU-SPP, para mejorar la eficacia de las caractersticas de bajo nivel. A continuacin, diseamos una versin simplificada del mdulo de red de cuello PANet-Tiny que reduce la complejidad computacional. Por ltimo, en el mdulo del cabezal de deteccin, utilizamos la convolucin separable en profundidad para reducir el nmero de pilas de convolucin. Adems, el nmero de canales se reduce a 96 dimensiones para que el mdulo pueda alcanzar la aceleracin paralela de la mayora de los marcos de inferencia. Gracias a su diseo ligero, el modelo YOLO integrado propuesto slo tiene 3,53 millones de parmetros y el tiempo medio de procesamiento puede alcanzar los 155,1 fotogramas por segundo, como se ha comprobado en la deteccin de objetivos en coches inteligentes de Baidu. Al mismo tiempo, en comparacin con YOLOv3-Tiny y YOLOv4-Tiny, la precisin de la deteccin es un 6% superior.

• Materias:Lógica matemática Ingeniería Algoritmos (Matemáticas) Algebra Matemáticas
• Subjects:Mathematical logic Engineering Agorithms (Math) Algebra mathematics
• Palabras claves:yolo-tiny; detección de objetos; red ligera; rendimiento en tiempo real; dispositivos integrados; precisión de detección
• Keywords:yolo-tiny; object detection; lightweight network; real-time performance; embedded devices; detection accuracy