针对SSD-ResNet的神经网络压缩研究

发布时间：2024-12-27 05:26

　　无人驾驶技术中需要通过摄像头获取周围的环境,而机器视觉就是使用视觉产品感知周边环境的手段。机器视觉将摄取的目标转换为图片信号,传送给处理器进行图像处理,从而得到目标的具体信息。在机器视觉中,目标检测是一类基础算法,其目标是从图像信息中获取物体的位置与分类信息。在实际目标检测过程中,无人驾驶中车辆控制必须反应迅速、正确,而且行驶中的车辆是移动平台,这两个事实分别对图像处理提出了快速准确以及用于处理的机器低功耗的要求。时至今日,目标检测的传统机器学习算法已经逐渐被神经网络算法替代,SSDResNet目标检测网络作为时下顶尖的目标检测算法之一,在运行速度和准确度上都有良好的表现,本文将分析该网路,并考虑如何将其进行改进以适配低功耗运算器件。而在低功耗运算机器中移植神经网络时,受到存储、运算性能等限制,必须对神经网络进行压缩,同时兼顾网络性能。为了解决压缩SSD-ResNet网络并兼顾其性能的需求,本文进行了以下研究:首先对目标检测神经网络进行了对比、分析。获得SSD算法的主要思想与主体网络替换方法。结合ResNet网络的结构,组合出SSD-ResNet网络。通过运算量统计,确定压缩SSD-Re...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图3.6聚类

=[01132345]，row_ptr=[02478]。A向量顺序存储所有的非零元素，长度储非零元素的列索引，长度为非零元素的个例如，第三个非零元素30的索引是(存储每行第一个元素在A的索引，长度为矩为非零元素的个....

图6.1KITTI数据展示

西安电子科技大学硕士学位论文从各种类精度来该模型看车辆类的目标识别率高一些，对坐着的人和骑车者的识别率较低，识别精度最低的为行人。本文分析造成这种结果的主要原因有以下几点：（1）样本本身的识别难度如图6.1所示。行人的走路姿态与行动无章可循，而相较而言，骑行和坐下的人包含了椅....

图6.2数据统计结果（2）

第六章实验与结果分析()=∑2=∑22（6-2）可以看到最终结果与卷积层的计算类似，可以将BN层与卷积层融合成一个卷积层。其中卷积的权值为∑....

图6.4部分量化网络精度表6.3部分量化网络精度（1）

图6.3网络层数据统计可以看到，在表格中权值的最大值与前面统计的最大值不一致，conv2₁₂的权值最大值为0.5588比6.2.2小节中统计的0.0485大了多于10倍。这是因为在6.2.2小节中统计时仅统计了....

本文编号：4021202