YOLOv3-ADS：一种基于YOLOv3的深度学习目标检测压缩模型.pptx

content目录01研究背景与问题提出02模型架构创新设计03核心压缩技术路径04实验设计与性能评估05压缩效果与优势分析06应用场景与未来展望

研究背景与问题提出01

深度学习目标检测在边缘计算场景下面临资源受限的严峻挑战01边缘算力瓶颈边缘设备如树莓派、无人机等计算资源有限，难以承载高复杂度模型。YOLOv3原始模型对内存与算力的高需求制约了其在端侧的实时部署应用。02模型臃肿难题原始YOLOv3模型体积常超200MB，参数量高达63MB以上，导致启动慢、功耗高。这使其难以满足嵌入式场景下低延迟、低存储的需求。03精度效率失衡传统压缩方法常以牺牲检测精度为代价换取轻量化，导致小目标漏检或