收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

目标检测模型压缩算法的研究与实现

李冰  
【摘要】:传统的目标检测算法检测速度慢、鲁棒性差,无法满足要求日益增高的无人机检测任务。与传统的目标检测算法相比,基于深度学习的目标检测算法检测速度快,但是却依赖PC机强大的计算能力和存储资源。与之形成鲜明对比的是:无人机自身或者其搭载的嵌入式设备计算资源和存储资源严重受限,远不能达到基于深度学习的目标检测模型推理的需要。因此,研究压缩目标检测模型的算法,对于嵌入式设备中部署基于深度学习的目标检测算法以提高无人机的应用水平具有十分重要的意义。为此,本文在深入研究目标检测算法的基础上,深入剖析目标检测模型,针对SSD目标检测模型的特点,定制化压缩算法,并针对无人机目标检测任务的需要,完成基于ARM+GPU架构的嵌入式平台部署。针对无人机目标检测任务进行需求分析,明确需要达到的技术指标。选取Single Shot Detection(SSD)目标检测算法,该算法能够很好的适应机载下视图像多尺度、多形变的特点,但是由于嵌入式平台计算和存储资源受限会使其性能下降。为提升模型在嵌入式平台的性能,对该模型进行了深入研究,结果表明SSD检测模型可以从减少通道数和计算量两个方向进行压缩。针对SSD目标检测模型通道数多的特点,设计了面向SSD全卷积模型的使用面向特征提取网络或全局的剪枝算法。该算法使用LOSSO回归将通道稀疏化,然后再利用线性最小方差重构通道,最后重复以上训练流程,能保证通道剪枝后的模型精度高保真。基于PASCAL VOC数据的SSD目标检测模型上的实验结果表明:全卷积目标检测模型通道剪枝算法能提高模型在嵌入式平台的推理效率。针对SSD目标检测模型参数量大,消耗计算资源多的特点,设计了针对SSD目标检测模型的参数量化压缩算法。该算法引入“模拟量化”模块,以保证模型经过量化运算后其精度高保真。基于PASCAL VOC数据的SSD目标检测模型上的实验结果表明:全卷积目标检测模型的量化算法也可以提高模型在嵌入式平台的推理效率,同时面向量化推理的模型计算量压缩方法通过短时间训练即可获得最终的量化模型,训练成本也更低。针对机载下视场景检测任务,使用本文设计的压缩算法可以解决嵌入式平台计算资源不足问题,压缩模型在嵌入式平台的推理时间。对于实际的机载下视应用场景,首先采集图像制作机载下视数据集,训练基于机载下视数据集的目标检测模型,在上位机使用对压缩推理时间更优越的参数量化压缩算法压缩模型,将模型移植到选定的ARM+GPU架构的NVIDIA TX1嵌入式平台进行全面测试。测试结果表明,在机载下视图像识别任务中,本文的量化压缩算法,能有效压缩嵌入式平台推理时间,帮助机载下视目标检测任务更好的完成。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 贾蓓;李敬华;肖飞;;基于复杂电磁环境的信号检测模型构建分析[J];信息技术与信息化;2015年09期
2 蔡静;;考虑检测影响的贮存-检测模型及其参数估计[J];湖北民族学院学报(自然科学版);2012年02期
3 董斯维;郭斌;余力;;个性化推荐攻击检测模型研究[J];农业网络信息;2006年12期
4 任涵;李勇;吕天雯;;基于自适应遗传算法的猕猴桃组培检测模型[J];计算机与应用化学;2016年12期
5 李一男;刘永平;王汝琳;;一种矿用红外瓦斯传感器的检测模型[J];工矿自动化;2010年01期
6 张强;;一种利用特征选择改进的行人检测模型[J];微型机与应用;2016年02期
7 杨浩;谢昕;李卓群;章玲玲;;网络中隐蔽信道数据安全检测模型研究与仿真[J];计算机仿真;2016年10期
8 严侃;雷江涛;;基于时频分析的水声目标被动检测模型研究[J];鱼雷技术;2015年01期
9 李世淙;云晓春;张永铮;;一种基于分层聚类方法的木马通信行为检测模型[J];计算机研究与发展;2012年S2期
10 孙飞帆;施勇;薛质;;基于权重分析的网页木马检测模型[J];信息安全与通信保密;2012年12期
11 李月,杨宝俊,郭华;微弱方波信号检测模型混沌解的判定[J];地球物理学进展;2002年01期
12 唐智慧;王志鹏;党珊;朱翠翠;;手机打车软件操作驾驶分心检测模型研究[J];交通运输工程与信息学报;2018年01期
13 赵刚;姚兴仁;;基于用户画像的异常行为检测模型[J];信息网络安全;2017年07期
14 王芳芳;;分布式网络异常攻击检测模型仿真分析[J];计算机测量与控制;2016年10期
15 武为宝;贺年;程金育;邓姿源;赵成;刘文丽;;近红外光谱法建立断血流片快速检测模型[J];中国药事;2012年11期
中国重要会议论文全文数据库 前10条
1 刘俊荣;王文槿;刘宝旭;;一种基于网络行为分析的木马检测模型[A];第十六届全国核电子学与核探测技术学术年会论文集(下册)[C];2012年
2 王建平;张自立;魏华;;战术空域冲突检测模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年
3 李京鹏;杨林;刘世栋;;防火墙状态检测模型研究[A];第十八次全国计算机安全学术交流会论文集[C];2003年
4 孙璐;马兆丰;黄勤龙;;基于权限分析的安卓应用程序风险检测模型[A];第十届中国通信学会学术年会论文集[C];2014年
5 范渊;凌霄;;Android程序安全检测模型[A];第28次全国计算机安全学术交流会论文集[C];2013年
6 武照东;刘英凯;刘春;吴秀峰;;Overlay网络的链路故障检测模型[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
7 刘赛娥;;基于ARP欺骗的以太网检测模型的设计与实现[A];《教师教学能力发展研究》科研成果集(第六卷)[C];2017年
8 周双娥;熊国平;;基于Petri网的故障检测模型的设计与分析[A];第六届中国测试学术会议论文集[C];2010年
9 廖鹏;;基于异常特征的DDoS检测模型[A];经济发展方式转变与自主创新——第十二届中国科学技术协会年会(第四卷)[C];2010年
10 王心觉;;应用LabVIEW的建筑结构健康检测模型和预警系统实验[A];2015年上海-西安声学学会第四届声学学术交流会论文集[C];2015年
中国博士学位论文全文数据库 前10条
1 李威;复杂场景目标检测理论与方法研究[D];电子科技大学;2019年
2 白清松;基于QCM的液体检测技术研究[D];电子科技大学;2019年
3 周晓飞;基于机器学习的视觉显著性检测研究[D];上海大学;2018年
4 王燕;基于用户感知与业务特征的电信网络性能监控与检测模型研究[D];西安电子科技大学;2018年
5 邓涛;基于视觉注意的驾驶场景显著性检测模型研究[D];电子科技大学;2018年
6 赵静;网络协议异常检测模型的研究与应用[D];北京交通大学;2010年
7 唐赫;基于生物启发和统计分析相结合的图像显著性检测模型研究[D];华中科技大学;2017年
8 蒋鹏;图像内容显著性检测的理论和方法研究[D];山东大学;2016年
9 李涛;基于上下文的目标检测研究[D];电子科技大学;2016年
10 陈林洁;褪黑激素受体MT1活化的信号转导机制研究及内含肽介导的新型GPCR活化检测模型构建[D];浙江大学;2013年
中国硕士学位论文全文数据库 前10条
1 丁一凡;基于卷积神经网络的车辆行人检测模型的研究[D];重庆邮电大学;2019年
2 王翎;域适应算法研究及应用[D];南京航空航天大学;2019年
3 张萌;基于机器学习的URL安全检测技术的研究[D];哈尔滨工业大学;2019年
4 张靖奇;基于深度学习的卫星遥感图像舰船检测[D];哈尔滨工业大学;2019年
5 刘亚田;基于深度学习的玉米幼苗与杂草辨识研究[D];哈尔滨工业大学;2019年
6 李冰;目标检测模型压缩算法的研究与实现[D];哈尔滨工业大学;2019年
7 张鑫;基于深度学习的粮仓储粮数量检测模型与系统实现[D];河南工业大学;2019年
8 庞闻辉;基于Janssen原理的粮仓储粮数量检测模型建模方法研究[D];河南工业大学;2019年
9 谢奇芳;基于深度学习的遥感影像飞机检测方法研究[D];中国地质大学(北京);2019年
10 王俊彦;一阶段模式的目标检测模型的研究[D];中国科学技术大学;2019年
中国重要报纸全文数据库 前3条
1 赛迪出版传媒首席记者 郭涛;预见性安全“又快又好”[N];中国计算机报;2018年
2 中联绿盟、李群;IDS的关键:解决好误报和漏报[N];中国计算机报;2002年
3 ;文化力是决定成败的关键因素[N];常州日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978