计算机工程

作者：孔维刚, 李文婧, 王秋艳, 曹鹏程, 宋庆增

单位：1. 天津工业大学 计算机科学与技术学院, 天津 300387;2. 天津工业大学 电气工程与自动化学院, 天津 300387;3. 中国电子科技集团公司信息科学研究院, 北京 100086

关键词：目标检测,模型压缩,嵌入式设备,轻量化神经网络,模型量化,Jetson Xavier NX设备

基金：国家自然科学基金（61802281，61702366）；天津市自然科学基金（18JCQNJC70300，19JCYBJC15800）；天津市教委科研计划项目（2018KJ215，2020KJ112，KYQD1817）。

在嵌入式设备上进行目标检测时易受能耗和功耗等限制，使得传统目标检测算法效果不佳。为此，对YOLOv4算法进行优化，设计YOLOv4-Mini网络结构，将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理，其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量。采用SE模块为通道施加注意力机制，激活函数层运用h-swish非线性激活函数，在保证精度的情况下降低网络计算量。同时，通过量化感知训练将权重转为INT8类型，以实现模型轻量化，进一步降低网络参数量和计算量，从而在嵌入式设备上完成无人机数据集的目标检测任务。在NVIDIA Jetson Xavier NX设备上进行测试，结果显示，YOLOv4-MobileNetv3网络的mAP为34.3%，FPS为30，YOLOv4-Mini网络的mAP为32.5%，FPS为73，表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务。

来源：2022年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第3期