1 陆军工程大学石家庄校区电子与光学工程系,河北 石家庄 050003
2 中国人民解放军32356部队,青海 西宁 710003
针对现有基于深度学习的轻量级目标检测算法对复杂遥感场景图像中舰船目标检测精度低、检测速度慢的问题,提出了一种面向嵌入式平台的轻量级光学遥感图像舰船实时检测算法(STYOLO)。首先,针对主干网络内存访问成本较高的问题,利用高效网络架构ShuffleNet v2作为主干网络对图像进行特征提取,降低内存访问成本,提高网络并行度;其次,利用Slim-neck特征融合结构作为特征增强网络,以融合较低层级特征图中的细节信息,增强对小目标的特征响应,在多尺度信息融合区域施加坐标注意力机制,强化目标关注以提高较难样本检测以及抗背景干扰能力;最后,提出一种跨域迁移和域内迁移相结合的学习策略,减少源域与目标域的差异性,提升迁移学习效果。实验结果表明:基于光学遥感图像舰船检测公开数据集HRSC2016,与同类型快速检测算法YOLOv5s相比,所提算法的检测精度提高了2.7个百分点,参数量减少了61.77%,在嵌入式平台Jetson Nano上检测速度达到102.8 frame/s,能够有效实现对光学遥感图像中舰船目标的实时、准确检测。
光学遥感图像 舰船检测 实时检测 嵌入式平台 注意力机制 迁移学习 光学学报
2023, 43(12): 1212001
红外与激光工程
2022, 51(7): 20210753
1 南京理工大学 机械工程学院,南京 210094
2 南京博蓝奇智能科技有限公司,南京 210014
3 上海大学 人工智能研究院,上海 200444
为了解决复杂背景条件下,红外目标检测存在的准确率低、召回率低、以及网络模型在嵌入式计算平台上推理速度慢的问题,以轻量化网络YOLOv4-Tiny作为算法的基本架构,结合视觉注意力机制和空间金字塔池化思想,提出两种面向嵌入式系统的红外目标检测网络,利用迁移学习策略进行训练,在以昇腾310 AI芯片为核心的Atlas 200 DK嵌入式计算平台进行部署。实验结果表明,在该嵌入式计算平台上推理分辨率为640 pixel×512 pixel的红外图像,相较于原始网络YOLOv4-Tiny,所提网络YOLOv4-Tiny+SE+SPP的平均准确率和召回率分别提升12.36%和18.6%,推理速度达到78 fps;所提网络YOLOv4-Tiny+CBAM+SPP的平均准确率和召回率分别提升15.94%和22.89%,推理速度达到71 fps,可兼顾准确率和实时性,能够满足**和安防领域对红外目标进行实时检测和跟踪的需要。
红外图像 注意力机制 迁移学习 目标检测 嵌入式平台 Infared image Visual attention Transfer learning Target detection Embedded platform
武汉大学 电子信息学院, 湖北 武汉 430079
针对传统电离层斜向探测仪结构复杂、探测信道固定、多站同步探测中相干干扰严重问题, 提出一种基于现场可编程门阵列 (FPGA)和先进精简指令集处理器 (ARM)结构的嵌入式电离层斜向探测系统的探测方法, 并给出系统结构设计。采用完全互补码解决多站同步探测的相干干扰问题, 丰富了探测码制; 利用数字中频接收结构在数字域中进行二次混频, 避免了寄生信号和交调失真, 具有标准化、模块化、扩展性强的特点; 使用灵活的静态存储控制 (FSMC)协议解决了控制模块之间高速并行数据传输问题, 实现了数据的自动判读和频率优选。实验结果验证了系统设计的正确性及可靠性, 该系统在空间物理学研究、天波超视距雷达探测、应急抢险救灾等领域有重要应用前景。
电离层斜向探测 嵌入式平台 完全互补码 数字中频接收 静态存储控制 (FSMC)通信 频率优选 ionospheric oblique detection embedded platform complete complementary code digital IF reception Flexible Static Memory Controller(FSMC) communicat optimal frequency selection 太赫兹科学与电子信息学报
2021, 19(4): 678
当前基于深度学习的遥感图像目标检测方法因模型复杂、计算量大,难以部署在计算资源受限的卫星上进行实时在轨检测。针对该问题,提出一种基于嵌入式的轻量化遥感目标实时检测方法。该方法以YOLOv3-tiny为基础网络,首先通过精简网络与改进多尺度预测对网络结构进行优化,其次引入空间注意力模块以增强遥感目标的特征。实验结果表明,在608×608的输入尺寸下,所提方法的平均准确率均值、召回率、F1值分别达到了76.70%、75%、78%,较YOLOv3-tiny提升了3.61%、8%、6%,同时计算量和模型体积较YOLOv3-tiny减少了39.67%和71.26%,且在嵌入式平台NVIDIA Jetson Xavier NX上可达到32.5 frame/s的实时检测速度,可满足在嵌入端实时检测遥感目标的需求。
遥感 目标检测 实时检测 嵌入式平台 空间注意力 光学学报
2021, 41(10): 1028001
1 福州大学国家大学科技园阳光科技楼平板显示国家地方联合工程实验室, 福建 福州 350116
2 福州大学物理与信息工程学院, 福建 福州 350116
3 晋江市博感电子科技有限公司, 福建 泉州 362200
YOLOv3作为开源的目标检测网络与同时期目标检测网络相比,在速度和精度上有着明显的优势。由于YOLOv3采用了新型的全卷积网络(FCN)、特征金字塔网络(FPN)和残差网络(ResNet),因此对硬件配置要求较高,导致开发成本过高,不利于工业上的应用普及。在嵌入式平台上普遍使用YOLOv3tiny进行检测,虽然计算量较小,但是检测效果远不如YOLOv3。为了解决在嵌入式平台上YOLOv3检测速度低的问题,提出一种基于YOLOv3的简化版网络,与YOLOv3不同的是,在保留了对特征提取有较大帮助的FCN、FPN以及ResNet的同时,尽可能减少每层的参数量和残差层数,并尝试加入了密集连接网络空间金字塔池化。实验结果表明,该网络的参数量和检测速度大幅优于YOLOv3,且平均精度比YOLOv3tiny在PASCAL VOC2007、2012数据集上有明显的提升。
图像处理 轻量化网络 YOLOv3 密集连接网络 空间金字塔池化 目标检测 嵌入式平台 激光与光电子学进展
2020, 57(14): 141003
天津大学精密测试技术及仪器国家重点实验室, 天津 300072
提出了一种应用于嵌入式图形处理器(GPU)的实时目标检测算法。针对嵌入式平台计算单元较少、处理速度较慢的现状,提出了一种基于YOLO-V3(You Only Look Once-Version 3)架构的改进的轻量目标检测模型,对汽车目标进行了离线训练,在嵌入式平台上部署训练好的模型,实现了在线检测。实验结果表明,在嵌入式平台上,所提方法对分辨率为640 pixel×480 pixel的视频图像的检测速度大于23 frame/s。
机器视觉 目标检测 卷积神经网络 嵌入式平台 图形处理器
在安保工作中, 为快速发现狙击手, 构建了利用狙击镜的猫眼效应原理来发现目标的系统。该系统不同于传统的采用连续激光扫描视场, 而采用可调制半导体激光器为探测光源, 在调制信号的控制下照射视场, CCD接收相应的主被动回波图像。并根据目标距离不同所成图像特征不同的特点, 提出了分别针对远近目标的识别算法, 最终在嵌入式DSP高速处理平台上进行图像处理实现。外场实验结果表明, 主被动图像相结合, 且利用远近目标不同的识别算法, 有效提高了探测率, 降低了虚警率, 系统准确探测到了300 m近目标和800 m远目标, 并达到10 frames/s的实时处理速度。
猫眼效应 主被动图像 目标识别 图像处理 嵌入式平台 cat-eye effect active and passive image target recognition image processing embedded platform 强激光与粒子束
2015, 27(1): 011013