基于MPSOC的航空图像目标检测系统设计

作     者：任彬 王宇庆 丛振 聂海涛 杨航 REN Bin;WANG Yu-qing;CONG Zhen;NIE Hai-tao;YANG Hang

作者机构：中国科学院长春光学精密机械与物理研究所吉林长春130033 中国科学院大学北京100049 中国人民解放军联勤保障部队第946医院医学工程科吉林长春130033 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2021年第36卷第7期

页      面：1006-1017页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年基金(No.61401425) 

主　　题：航空图像 目标检测 模型压缩 MPSOC 

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。