原文传递
面向智能路侧边缘计算的车辆行人视觉目标检测算法研究
| 论文题名： | 面向智能路侧边缘计算的车辆行人视觉目标检测算法研究 |
| 关键词： | 视觉目标检测;路侧感知;边缘计算;模型压缩;车路协同 |
| 摘要： | 视觉目标检测是车路协同系统中路侧感知的关键技术之一，也是学术界持续的研究热点。路侧感知对视觉目标检测算法的精度与实时性均有较高要求。但现有的轻量化目标检测算法精度相对较低。通用目标检测算法的计算量则相对较大，在路侧边缘计算设备上部署难以满足应用的实时性需求，有必要借助模型压缩技术降低目标检测算法所需的计算量。此外，路侧场景也具有较高的复杂度，需要对目标检测算法进行场景适配，以达到更好的检测效果。 论文根据路侧感知对视觉目标检测算法的性能需求，研究并设计面向路侧边缘计算的车辆行人视觉目标检测算法，主要进行的几点工作如下： 1.论文分析了当前主流的视觉目标检测算法与模型压缩算法框架，并对YOLOX、ResRep通道剪枝和基于注意力机制的知识蒸馏算法进行了概括，还总结了路侧场景特点以及路侧感知对视觉目标检测算法的性能需求。 2.针对路侧感知的检测精度要求，论文在YOLOX目标检测算法的基础上，引入RepVGG卷积块和Coordinate注意力机制对YOLOX网络结构进行改进，并用Alpha-IoU损失和VariFocal损失优化YOLOX的损失函数。通过实验证明，论文所提方法能有效提升YOLOX对车辆行人目标的检测精度。 3.针对路侧感知的实时性要求，论文结合ResRep通道剪枝与基于注意力机制的知识蒸馏算法，设计了一种适用于目标检测的模型压缩方法。通过实验证明，论文所提方法在无明显精度下滑的前提下，显著降低了模型所需的计算量。 4.利用校内搭建的智能路侧平台，论文远程采集并标注实际的路侧场景图像用于测试论文所得模型的精度，并借助模型部署工具和视频流推理框架，将模型部署在路侧边缘计算平台上进行实时性测试。通过实验证明，论文设计的模型相比原版YOLOX更适合路侧场景，并具备一定的实际应用价值。 |
| 作者： | 胡浪 |
| 专业： | 控制科学与工程 |
| 导师： | 蒋建春 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆邮电大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
