原文传递
面向环保无人船的多任务视觉感知与模型加速研究
| 论文题名： | 面向环保无人船的多任务视觉感知与模型加速研究 |
| 关键词： | 环保无人船;视觉感知;模型加速;卷积神经网络 |
| 摘要： | 当前河道水面漂浮物清理手段主要以人工打捞为主，耗时耗力，安全性低，内河水面无人船具有环境适应能力强和人工成本低等优点，在水面漂浮物清理以及河道资源探索等方向有着广阔的应用前景，而视觉感知技术是无人船在自动行驶过程中获取周围环境信息的重要渠道。 针对无人船视角的水上环境包含大量倒影干扰以及水中漂浮物面积比较小的问题，本文提出了联合水域分割任务和漂浮物检测任务的卷积神经网络模型;为了提高模型的推理速度，本文在范数指标剪枝算法上提出了基于相似度和非极大抑制算法通道剪枝方案，从而获得一个更加紧凑的模型;最后为了充分利用硬件层面的优化效果，将模型转换为TensorRT格式进行推理，并部署到无人船ROS平台上。具体来说，本文的主要创新点如下: (1)提出了面向环保无人船的联合水域分割和漂浮物检测的多任务模型，即双解码网络。该模型包含一个参数共享的特征编码器和两个独立的解码器，其中特征编码器在保证水域分割精度的同时可以有效提升小目标漂浮物的检测性能，水域分割解码器引入可微分二值化模块提升分割精度，漂浮物检测解码器使用免锚框的检测算法来提升检测效率。对比试验表明双解码网络在水域分割和漂浮物检测两项任务上均具有更好的性能表现。 (2)为了提高模型的推理效率，提出了基于相似度和非极大抑制算法的通道剪枝方案。该方案将需要移除的通道分为不重要通道和冗余通道，通过范数衡量通道的重要程度，通过相似度来衡量通道的冗余程度，并使用非极大抑制算法实现剪枝流程。在公开模型和数据集上的对比试验表明了本文算法的高效性和易用性。 |
| 作者： | 凌贵 |
| 专业： | 控制工程 |
| 导师： | 李艳君 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
