SlimYOLOv3: уже, быстрее и лучше для приложений БПЛА в реальном времени
За последнее время технология дронов значительно продвинулась вперед. Технология постоянно развивается с головокружительной скоростью, поскольку новые инновации время от времени выводят на рынок все более совершенные приложения для дронов.
В сочетании с компьютерным зрением и встроенными системами дроны стали популярными в широком спектре приложений. Но анализ сцены в реальном времени посредством обнаружения объектов на платформе БПЛА по-прежнему представляет собой серьезную проблему из-за вычислительной мощности и ограниченной памяти встроенных устройств.
Высокоэффективное решение для обнаружения объектов в режиме реального времени на БПЛА
Чтобы справиться с проблемой, связанной с ограниченными вычислительными мощностями и памятью для встроенных устройств и приложений БПЛА, исследователи предложили обучать эффективные детекторы глубоких объектов за счет сокращения каналов сверточных слоев.
Они представили SlimYOLOv3, многообещающее решение для обнаружения объектов в реальном времени на БПЛА с меньшим количеством обучаемых параметров и меньшими затратами на вычисления по сравнению с исходным YOLOv3. YOLOv3 изначально обучается с регуляризацией разреженности на уровне канала; последовательно SlimYOLOv3 получается путем обрезки каналов функций до определенного соотношения в соответствии с их коэффициентами масштабирования в YOLOv3; SlimYOLOv3 наконец-то доработан, чтобы компенсировать временное снижение точности обнаружения.
Их цель - получить более компактную и эффективную конфигурацию каналов сверточных слоев, чтобы помочь уменьшить обучаемые параметры и FLOP. Они применяют обрезку каналов в YOLOv3, чтобы получить SlimYOLOv3. Экспериментальные результаты с различными коэффициентами обрезки последовательно подтверждают, что предлагаемый SlimYOLOv3 с более узкой структурой более эффективен, быстрее и лучше, чем YOLOv3, и, следовательно, больше подходит для обнаружения объектов в реальном времени на БПЛА.
Возможное использование и эффекты
Предлагаемый SlimYOLOv3 может достигать точности обнаружения, сравнимой с YOLOv3. Он также работает быстрее со значительно меньшим количеством ошибок.
Поскольку энергопотребление всегда коррелирует с FLOP, а дроны требуют низкого энергопотребления, SlimYOLOv3 быстрее и лучше, чем YOLOv3, для приложений UVA в реальном времени.
Более подробная информация и код размещены здесь.
Подробнее: https://arxiv.org/abs/1907.11093v1
Спасибо за чтение. Прокомментируйте, поделитесь и не забудьте подписаться на нашу еженедельную рассылку, чтобы получать самые свежие и интересные исследования! Вы также можете подписаться на меня в Twitter, LinkedIn и Facebook. Не забудьте 👏 если вам понравилась эта статья. Ваше здоровье!
