面向边缘计算平台及遥感影像的实时检测算法

来源：电子测量技术杂志2024年第2期北京时间：

作者：杨洋，宋品德，杨思念，曹立佳

单位：1.四川轻化工大学自动化与信息工程学院 宜宾 644000; 2.四川轻化工大学计算机科学与工程学院 宜宾 644000; 3.人工智能四川省重点实验室 宜宾 644000; 4.企业信息化与物联网测控技术四川省高校重点实验室 宜宾 644000

摘要：针对现有目标检测算法难以满足无人机遥感中实时检测的问题，提出了一种基于ShuffleNetv2及结构化剪枝的模型压缩方法。以YOLOv5m为基础，将ShuffleNetv2模型作为YOLOv5m的主干网络，减少模型的参数量及计算量，提升模型推理速度；其次，利用ECA注意力机制替换ShuffleNetv2中的SE模块，强化主干网络的特征提取能力；再者，以FocalEIoU作为YOLOv5算法的损失函数，提升模型的回归能力；最后，利用通道剪枝算法剔除Neck结构中冗余的参数，进一步压缩模型的参数及计算量，并通过模型微调的方式提升剪枝模型的精度。实验结果表明，在相同的测试环境下，与YOLOv5m相比，本文所提出模型的参数量及浮点运算量分别降低了86.3%和80.0%，mAP@0.5和mAP@0.5:0.95达到了92%及50.4%，优于所对比的其他主流检测算法。此外，所提出的模型在AGX边缘计算平台上达到了35帧/s的检测速度，满足实时检测的要求。

关键词：遥感影像;剪枝;轻量化网络;FocalEIoU损失函数;边缘计算平台

基金资助：国家自然科学基金(51905540)、中国高校产学研创新基金(2021ZYA11002)、研究生创新创业基金(Y2023271)项目资助