面向嵌入式设备的高实时微小目标跟踪检测方法

摘要：

传统主流目标检测算法在嵌入式平台无法兼具高实时性与高准确性,难以应用于边缘智能等领域.为解决微小目标跟踪检测在嵌入式平台实时应用的瓶颈,提出一种高实时微小目标跟踪检测方法.利用轻量化神经网络的骨干网络和路径聚合网络,对整体网络进行针对化的剪枝优化,同时深度融合相关滤波算法,提升针对微小目标跟踪检测的准确度和速度.在3D物体场景渲染器自建的军事微小目标数据集上的实验结果表明,在100像素的极小目标跟踪识别中,与DarkNet53-CSP方法相比,该方法检测精度大幅提高,在400～10000像素的微小目标识别跟踪中,检测精度与检测速度优于DarkNet53和ResNeXt50+CSP等算法.

关键词：目标检测;嵌入式平台;多路影像;卷积神经网络;滤波算法

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科学技术委员会科研计划项目"华东计算技术研究所与白俄罗斯国立信息技术及无线电电子大学联合研发与教育中心"19510750200

在线出版日期：2021-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：291-298