DID-YOLO:一种适用于嵌入式设备的移动机器人目标检测算法

来源：计算机技术与发展杂志2023年第10期北京时间：

作者：章佳琪;肖建*

单位：1. 南京邮电大学 电子与光学工程学院、柔性电子(未来技术)学院,江苏 南京 210046;2. 南京邮电大学 集成电路科学与工程学院,江苏 南京 210046

摘要：近些年来,目标检测算法在移动机器人环境感知领域表现出了突出的性能。 但是目标检测算法存在模型庞大和计算复杂的问题,制约了目标检测算法在移动嵌入式设备上的部署和发展。 YOLO 是一种单阶段的目标检测算法,具有较高的准确度和较快的运行速度。 该文提出了一种基于 YOLOv5s 改进后适用于嵌入式设备的移动机器人目标检测算法DID-YOLO。 首先,使用深度可分离卷积和倒置残差模块对 YOLOv5s 的 backbone 网络进行重构,降低模型复杂度和计算量,达到轻量化的目的;其次,利用特征层和输出层结合的知识蒸馏训练提高重构后目标检测网络的精度。 在目标检测通用数据集 PASCAL VOC 上实验表明:DID-YOLO 模型尺寸为 3. 63 MB,相较原网络模型尺寸减小了 48. 65% ;经过特征层和输出层蒸馏后,DID-YOLO 的 mAP@ 0. 5 提升至 73. 83% ;DID-YOLO 在 Jetson AGX Xavier 上实现了每秒 31. 2 帧的实时图像处理速度。 提出的 DID-YOLO 性能显著,满足了移动机器人嵌入式平台的实时高精度检测需求。

关键词：移动机器人;目标检测;嵌入式设备;轻量化;知识蒸馏