YOLO Nano:一种高度紧凑的只看一次的卷积神经网络用于目标检测
Alexander Wong1,2, Mahmoud Famuori1,2, Mohammad Javad Shafiee1,2 Francis Li2, Brendan Chwyl2, and Jonathan Chung2 1Waterloo Artificial Intelligence Institute, University of Waterloo, Waterloo, ON, Canada 2DarwinAI Corp., Waterloo, ON, Canada Abstract 目标检测仍然是计算机视觉领域的一个活跃研究领域,通过设计用于处理目标检测的深卷积神经网络,在这一领域取得了长足的进展和成功。尽管取得了这些成功,但在边缘和移动场景中广泛部署此类对象检测网络面临的最大挑战之一是高计算和内存需求。因此,针对边缘和移动应用的高效深层神经网络体系结构的设计越来越受到人们的关注。在本研究中,我们将介绍一种高度紧密的深度卷积神经网路YOLO Nano,来完成目标侦测的任务。利用人机协同设计策略创建YOLO Nano,其中基于YOLO系列单镜头目标检测网络架构的设计原则的原则性网络设计原型,与machinedriven设计探索相结合,创建一个具有高度定制模块级宏体系结构和为嵌入式对象检测任务定制的微体系结构设计的紧凑网络。所提出的YOLO Nano具有∼4