第44卷第4期2023年4月激光杂志LASERJOURNALVol.44,No.4April,2023http∶//www.laserjournal.cn收稿日期:2022-09-27基金项目:国家自然科学基金(No.61871351)作者简介:常志宇(1998-),男,在读硕士,主要研究方向:深度学习、边缘计算等。E-mail:287548248@qq.com通讯作者:陈平(1983-),男,博士,教授,博士生导师,主要研究方向:信号与信息处理、图像处理与重建、人工智能等。E-mail:pc0912@163.com基于边缘计算的双模态轻量化目标检测常志宇,陈平中北大学信息探测与处理山西省重点实验室,太原030051摘要:针对当前在智能监控系统中产生的大量视频数据无法被实时、准确地分析问题,提出了一种基于边缘计算的anchor-free轻量级双模目标检测方法。结合注意力机制SE模块与Ghost模块构建轻量级特征提取网络,增加PAN网络以丰富高层特征,同时改进标签分配策略和损失函数,使训练更加稳定和高效。并在公共红外数据集OTCBVS以及可见光数据集ShanghaiTech上进行实验验证,改进后的网络参数量仅有2.08M,在数据集上准率达到70.5%,推理总时延为39ms,帧率达到25.73帧/s。相较于Yolox-Tiny在精度降低7.2%的情况下,参数量降低58.9%,推理时延降低33ms,速度提升46%,能满足移动边缘设备对目标检测速度和精度的要求。关键词:边缘计算;目标检测;注意力机制;轻量化中图分类号:TN391.4文献标识码:Adoi:10.14016/j.cnki.jgzz.2023.04.080Dual-modelightweightobjectdetectionnetworkbasedonedgecomputingCHANGZhiyu,CHENPingShanxiKeyLaboratoryofSignalCapturingandProcessing,NorthChinaUniversity,Taiyuan030051,ChinaAbstract:Aimingattheproblemthatalargeamountofvideodatageneratedinthecurrentintelligentmonitoringsystemcannotbeanalyzedinrealtimeandaccurately,alightweightdual-modeobjectdetectionmethodbasedonedgecomputingisproposed.CombiningtheattentionmechanismSEmoduleandGhostmodulearecombinedtoconstructalightweightfeatureextractionnetwork,addPANnetworktoenrichhigh-levelfeaturesandimprovethelabelallocationstrategyandlossfunction,makethetrainingmorestableandefficient.ExperimentalverificationiscarriedoutonthepublicinfrareddatasetOTCBVS,andShanghaiTech,andtheimprovednetworkparameternumberisonly2.08m,theaccuracyrateonthedatasetreached70.5%,thetotaldelayofinferencewas39ms,andtheframeratereached25.73frames/s.ComparedwithYolo...
