基于MPSOC的航空图像目标检测系统设计

摘要：

近年来,航空光学成像技术快速发展,机载图像处理系统对于目标检测精度和检测速度的要求越来越高,传统的目标检测算法已经无法满足要求.与此同时,基于深度学习的目标检测算法凭借更优的性能表现得到了学术界的广泛关注.但这类算法往往参数较多,时间复杂度高且移动端移植困难.针对上述问题,本文提出了一种基于Yolo V3算法的MPSOC平台实现方案.利用改进的k均值聚类算法获取新的初始锚框,之后通过改变特征图的大小提高算法对小目标的检测精度,通过基于敏感度的剪枝方法压缩算法大小,最后利用VISDRONE数据集在MPSOC平台进行了验证.实验结果表明:改善的Yolo算法的MAP提高了1.3％,误检率也得到了极大降低.算法经过压缩后,检测速度提高了1倍,体积仅为原来的37％,基本满足了对航空图像目标检测的设计要求,同时为深度学习算法在MPSOC中实现提供了可行的解决方案.

关键词：航空图像、目标检测、模型压缩、MPSOC

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金No.61401425

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1006-1017