改进的SlimYOLOv3-A算法在障碍物检测中的应用
汪刚
魏赟
张宇辰
上海理工大学光电信息与计算机工程学院 上海 200093
摘要：针对移动物流机器人的工作环境光线暗、背景复杂,障碍物目标小、特征不显著等问题,考虑到物流机器人处理器设备的内存和计算能力有限,提出一种在卷积层进行通道剪枝的高效目标检测算法.对YOLOv3目标检测算法进行了改进,提出了训练参数和运算量都相对较少的SlimYOLOv3-A:在YOLOv3的backbone尾端添加PSA注意力模块,提高对小目标障碍物的检测精度;在通道比例因子上施加L1正则化来改善卷积层的通道稀疏性,修剪信息量较少的特征通道以获得精简的目标检测模型.实验结果表明,改进后的模型有效地平衡了模型大小、检测性能和运算速度三者的关系.Slim YO-LOv3-A(90%剪枝率)对比YOLOv3的参数量减少约87.5%,模型体积减少约87.4%,检测速度提高43%,检测精度提升2.6%.
关键词：障碍物检测稀疏训练通道修剪注意力模块
分类号：TP391(计算技术、计算机技术)
资助基金：国家重点研发计划(2018YFB1700902)
论文发表日期：2023-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2019-2025 )
英文信息