Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/280037| Title: | Стратегия сжатия нейронных сетей семейства YOLOv5 для встраиваемых решений |
| Authors: | Ковбаса, Г. А. |
| Keywords: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика |
| Issue Date: | 2022 |
| Publisher: | Минск : РИВШ |
| Citation: | Компьютерные технологии и анализ данных (CTDA’2022) : материалы III Междунар. науч.-практ. конф., Минск, 21–22 апр. 2022 г. / Белорус. гос. ун-т ; редкол.: В. В. Скакун (отв. ред.) [и др.]. – Минск : РИВШ, 2022. – С. 49-52. |
| Abstract: | Технология обнаружения объектов всегда была одним из важных направлений исследований в области компьютерного зрения. Решения на основе искусственных нейронных сетей становятся все более совершенными и популярными. В данной работе произведена оценка результатов детектирования различных нейронных сетей на датасете MS COCO 2017. В качестве основы для дальнейшей оптимизации была выбрана сеть YOLOv5 и объединена с ShuffleNet V2 для ее облегчения. Производится оптимизация параметров сети, в результате которой количество параметров снижается более чем на 30%, но точность снижается всего на 4%. Далее проводится квантование полученной модели на основе методов, предоставленных фреймворком PyTorch. После квантования точность снижается от 2% до 5% |
| Description: | Секция «Системы машинного и глубокого обучения» |
| URI: | https://elib.bsu.by/handle/123456789/280037 |
| ISBN: | 978-985-586-561-3 |
| Licence: | info:eu-repo/semantics/openAccess |
| Appears in Collections: | 2022. Компьютерные технологии и анализ данных (CTDA’2022) |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.