1、收稿日期:2023-01-11摇 摇 摇 摇 摇 摇 修回日期:2023-05-11基金项目:国家自然科学基金项目(61974073)作者简介:章佳琪(1998-),男,硕士研究生,研究方向为嵌入式系统应用;肖摇 建(1976-),男,博士,教授,CFF 会员(A8837M),研究方向为嵌入式系统应用。DID-YOLO:一种适用于嵌入式设备的移动机器人目标检测算法章佳琪1,肖摇 建2*(1.南京邮电大学 电子与光学工程学院、柔性电子(未来技术)学院,江苏 南京 210046;2.南京邮电大学 集成电路科学与工程学院,江苏 南京 210046)摘摇 要:近些年来,目标检测算法在移动机器人环境感知
2、领域表现出了突出的性能。但是目标检测算法存在模型庞大和计算复杂的问题,制约了目标检测算法在移动嵌入式设备上的部署和发展。YOLO 是一种单阶段的目标检测算法,具有较高的准确度和较快的运行速度。该文提出了一种基于 YOLOv5s 改进后适用于嵌入式设备的移动机器人目标检测算法DID-YOLO。首先,使用深度可分离卷积和倒置残差模块对 YOLOv5s 的 backbone 网络进行重构,降低模型复杂度和计算量,达到轻量化的目的;其次,利用特征层和输出层结合的知识蒸馏训练提高重构后目标检测网络的精度。在目标检测通用数据集 PASCAL VOC 上实验表明:DID-YOLO 模型尺寸为 3.63 MB
3、,相较原网络模型尺寸减小了 48.65%;经过特征层和输出层蒸馏后,DID-YOLO 的 mAP0.5 提升至73.83%;DID-YOLO 在 Jetson AGX Xavier 上实现了每秒31.2 帧的实时图像处理速度。提出的 DID-YOLO 性能显著,满足了移动机器人嵌入式平台的实时高精度检测需求。关键词:移动机器人;目标检测;嵌入式设备;轻量化;知识蒸馏中图分类号:TP249摇 摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2023)10-0008-07doi:10.3969/j.issn.1673-629X.2023.10.002DI
4、D-YOLO:A Mobile Robot Target Detection Algorithm forEmbedded DevicesZHANG Jia-qi1,XIAO Jian2*(1.School of Electronic and Optical Engineering&School of Flexible Electronics(Future Technology),Nanjing University of Posts and Telecommunications,Nanjing 210046,China;2.School of Integrated Circuit Scienc
5、e and Engineering,Nanjing University of Posts andTelecommunications,Nanjing 210046,China)Abstract:In recent years,object detection algorithm has shown outstanding performance in the field of mobile robot environmentperception.However,the problem of huge model and complex calculation of target detect
6、ion algorithm restricts the deployment and de鄄velopment of such algorithm on mobile embedded devices.YOLO is a single-stage target detection algorithm with high accuracy and fastrunning speed.We propose an improved DID-YOLO mobile robot target detection algorithm based on YOLOv5s,which is suitable f
7、orembedded devices.Firstly,deep separable convolution and inverted residual modules are used to reconstruct the backbone network ofYOLOv5s to reduce model complexity and computational load for lightweight.Secondly,knowledge distillation training which combinesthe feature layer and the output layer i
8、s used to improve the accuracy of the reconstructed target detection network.Experiments onPASCAL VOC show that the size of DID-YOLO model is 3.63 MB,which is 48.65%smaller than that of the original network model.After distillation of the feature layer and the output layer,mAP0.5 of DID-YOLO increas
9、ed to 73.83%.DID-YOLO achieved a real-time image processing speed of 31.2 frames per second on Jetson AGX Xavier.The DID-YOLO proposed has remarkable performanceand can meet the requirements of real-time and high-precision detection of embedded mobile robot platforms.Key words:mobile robot;object de
10、tection;embedded device;lightweight;knowledge distillation第 33 卷摇 第 10 期2023 年 10 月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇计 算 机 技 术 与 发 展COMPUTER TECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇Vol.33摇 No.10Oct.摇 20230摇 引摇 言随着当今社会经济和 AI 技术的快速发展,中国移动机器人行业迎来了爆发式增长,移动机器人也被广泛应用于工业、服务、农业、医疗等社会各领域。移动机器人通过相机等视觉传感器感知环境,使用目标检测算法识别
11、并定位物体。目标检测算法作为移动机器人感知环境能力中的重要一环,在应用时也对其运行速度和精度提出了愈来愈高的要求。目标检测算法模型庞大,占用较多的存储资源,且计算复杂,通常运行于算力强大,计算资源丰富的设备上,而嵌入式设备存储空间有限,计算资源不足1。目标检测算法在嵌入式设备中部署往往存在因模型庞大导致存储空间不足、检测算法准确度不高和运行效率低下等问题。因此,适用于移动机器人的目标检测算法已成为当今机器人研究领域的一大热点。目前,目标检测算法可以大致分为两类。一类是二阶段算法模型,如基于区域的卷积神经网络 R-CNN2、Fast R-CNN3、Faster R-CNN4。这类二阶段算法模型首
12、先需要获取目标候选帧,然后对候选帧进行一系列的分类和回归操作,其优点是识别精度较高。另一类是单阶段算法模型,其中 YOLO 系列算法是最典型的代表,其优点是识别速度快、识别精度高。虽然二阶段算法模型精度较高,但一阶段算法模型所需计算资源更少,运行速度更快,更适合部署在嵌入式设备中,因此基于 YOLO 改进的算法模型在嵌入式部署领域应用更为广泛。2020 年,国外 Adarsh 等人提出了 YOLOv3-tiny,该算法在 YOLOv3 的基础上去掉了一些特征层,只保留两个独立预测分支,在运行速度上有了较大的提升5。Fang Wei 等人提出了 Tinier-YOLO,该算法在 YOLOv3-t
13、iny 基础上进一步缩小模型尺寸,并提高检测精度和实时性6。2021 年,国内南京邮电大学的张伟等人在 YOLOv3-tiny 的基础上提出了 DS-YOLO,该网络结构简单、计算量小,适合部署于无人机终端上7。2020 年 6 月,在 YOLOv48算法提出的两个月后,Alexey A B 等人又提出了其轻量化网络 YOLOv4-tiny9。同年,Jiang Zicong 等人在YOLOv4-tiny 的基础上利用 ResBlock-D 模块替换CSPBlock 模块,降低了计算复杂度,并利用辅助残差网络块,提升检测精度,最终提出了一种高性能的实时目标检测算法9。2021 年,Wang Gu
14、anbo 等人提出了TRC-YOLO,该算法对 YOLO v4-tiny 的卷积核进行修剪,通过构建 CSPResNet 结构增强网络特征提取能力,最终在 Jetson Xavier NX 上实现了每秒 36.9 帧的实时性能10。2020 年,Jocher 提出 YOLOv5 模型中的YOLOv5s,不仅识别精度高,而且有较高的实时性,但在实际移动机器人应用场景中,嵌入式设备的计算资源仍不足。为了更好地实现移动机器人平台下的实时目标检测,根据 YOLOv5 在嵌入式设备部署的不足11,该文提出针对性的改进方法:一方面针对 YOLOv5s 的backbone 网络比较复杂的问题,重构其 bac
15、kbone 网络,并引入深度可分离卷积,这种卷积相较于普通卷积计算量更小,能降低模型复杂度,提高网络实时性,在引入深度可分离卷积后不可避免地会产生大量信息损失,通过在 backbone 网络中引入残差结构还原损失的信息,提 升该轻量化后 网络的精度;另 一 方 面 以YOLOv5l 作为教师网络,YOLOv5s 作为助教网络指导轻量化后的 DID-YOLO 网络训练,因 backbone 网络被重构,因此特征信息大量流失,通过对该网络进行特征层和输出层蒸馏,提升 DID-YOLO 网络精度。1摇 相关工作1.1摇 YOLOv5s 网络介绍YOLO 算法将图像划分为单元格,并在每个单元格中判断候
16、选锚。如果目标的中心落在一个单元格里,这个单元格负责预测目标。YOLOv5 是当前主流的目 标 检 测 算 法,其 分 为 YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 四个模型。这四种模型的网络结构一致,但模块数量和卷积核数量依次递增,其中YOLOv5s 为轻量型网络,广泛应用于嵌入式设备中,具有较高的精度和实时性能。如图 1 所示,YOLOv5s 网络分为三个部分:第一部分是 backbone 网络,负责目标的特征信息提取。它由 Focus 模块、BottlenCSP1 模块和 SPP 模块组成。Focus 模块将图像数据分成四部分,每部分可等效为对输入图像进行两次下采样
17、。通过在信道维度上进行拼接和卷积的操作来最大限度地减少因对图像下采样而造成的信息损失。BottlenCSP1 结构将 CSPNet12结构添加到残差结构中,并将梯度变化映射到特征图中,该结构可以减少卷积神经网络的整体计算量,降低网络复杂程度,而且可以有效地增强卷积神经网络的学习能力。SPP 模块首先通过固定池化操作解决了输入图片尺寸不一致问题,并最终获得相同尺寸的输出;其次通过空间金字塔池化操作增加了网络的整体接受域,实现多重感受野融合。第二部分是 Neck 网络-PANet13,主要是对骨干网络提取的特征信息进行增强。第三部分是 head 网络,采用与 YOLOv3 相同的检测结构,三个检测
18、头分别对原始图像进行了 8 次、16次和 32 次采样。1.2摇 嵌入式平台设计方案该文 搭 建 的 移 动 机 器 人 主 控 为 Jetson AGXXavier,其结合相机组成目标检测算法验证的嵌入式9摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 章佳琪等:DID-YOLO:一种适用于嵌入式设备的移动机器人目标检测算法平台。Jetson AGX Xavier 作为全球首款专为自主机器打造的计算机,其板载的 Xavier Soc 具有一个 Carmel架构 8 核 64 位的 CPU 和 Volta 架构 512 CUDA 处理器 GPU,能以低至10W 的功耗提供32 TOPs 的
19、强大算力,作为 Al 边缘计算平台,利用英伟达丰富的 Al 工具链和完备的生态链资源,使得开发者能够在较短的时间内完成神经网络模型的训练和部署。(?)图 1摇 YOLOv5s 网络结构示意图2摇 基于 YOLOv5s 改进的目标检测网络2.1摇 轻量化网络2.1.1摇 深度可分离卷积卷积是人工神经网络中一个非常重要的数学运算。卷积神经网络(CNN)可以在图像帧的帮助下学习特征和分类数据。深度可分离卷积是 CNN 常用卷积中的一种,与标准卷积相比,它们需要调整的参数更少,且深度可分离卷积计算量较少,这使得它更适合应用于移动视觉类型的 CNN 中,其中谷歌提出的 Mo鄄bileNet14、Xcep
20、tion15等网络为深度可分离卷积在移动视觉领域的典型应用。深度可分离卷积可分为两个过程:逐通道卷积和逐点卷积。逐通道卷积:一张彩色图片可分为 r、g、b三个通道,每个通道都与一个卷积核进行卷积可得到与输入图片通道数一致 的特征图,如图 2 所示。逐点卷积:采用的是 1伊1 卷积的方式,将未卷积前的图在深度上进行加权组合,生成特征图,如图 3 所示。图 2摇 逐通道卷积示意图由图 2 和图 3 可知,当卷积核大小为 3 时,则生成m 个特征图所需的参数量 pn1 如公式(1)所示。普通卷积生成 m 个特征图所需的参数量 pn2 如公式(2)所示。由公式(1)和公式(2)可知,当 m 1 时,生
21、成同数量的特征图深度可分离卷积所需参数量小于普通卷积所需 参 数 量,因 此 该 文 以 深 度 可 分 离 卷 积 重 构YOLOv5s 的 backbone 网络,降低网络复杂度。图 3摇 逐点卷积示意图pn1=3*3*3+1*1*3*m=27+3m(1)pn2=3*3*3*m=27m(2)2.1.2摇 倒置残差结构在引入深度可分离卷积后,网络复杂程度下降,但随着 backbone 网络模型缩小不可避免会产生大量特征信息损失。该文通过在 backbone 网络中引入倒置残差结构还原损失的信息,提升该轻量化后网络的精度。ResNet16中提出的残差结构由 1*1 卷积、3*3卷积和 1*1
22、卷积顺序组成,实现网络先降维后升维的操作。倒置残差结构则采用了 3*3 的深度可分离卷积并将网络先升维后降维,将高维特征映射到低维中,通过提升通道数,获得更多的特征信息。当步长为 1时,如图 4(a)所示。首先通过 1*1 的卷积升维,扩张通道数为原来的 6 倍,然后使用 3*3 的深度可分离卷积进行特征信息提取,再通过 1*1 的卷积降维至原通道数量。当步长为 2 时,如图 4(b)所示。由于卷积的步长不一致倒置输入输出的尺寸存在差异,因此不将01摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 计算机技术与发展摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
23、 摇 摇 摇 摇 摇 摇 第 33 卷输入输出进行拼接融合。InputConv 11Relu6Dwise 33Stride=1,Relu6Conv 11LinerAdd(a)stride=1InputConv 11Relu6Dwise 33Stride=2,Relu6Conv 11Liner(b)stride=2图 4摇 倒置残差结构示意图2.1.3摇 DID-YOLO 算法的建立针对目标检测算法在嵌入式设备中运行效率低、占用存储资源过多的问题,该文使用深度可分离卷积和倒置残差模块对 YOLOv5s 的 backbone 网络进行重构,降低模型复杂度和计算量,减少模型占用空间,提高其部署在嵌入
24、式设备时的检测速度。提出的基于YOLOv5s 改进后适用于嵌入式设备的轻量型目标检测算法 DID-YOLO 网络结构如图 5 所示。图 5 中虚线框中是轻量化重构后的 backbone 网络,负责提取图像 中 的 特 征 信 息。其 中DBL为 卷 积+BatchNormalization+relu6,PDP 为 stride=2 的倒置残差结构块,IRLB 为 stride=1 的倒置残差结构块,resn 即为 n 个 res 结构相连接。DBL、PDP 和 IRLB 作为基础模块构成了 DID-YOLO 的 backbone 网络,使用深度可分离卷积和倒置残差模块对 YOLOv5s 的 b
25、ackbone网络进行重构后,以 VOC 为数据集进行训练,计算量为 4.65 G,最终生成的模型参数量为 3.63 M。图 5摇 DID-YOLO 网络框架结构示意图摇 摇 DID-YOLO 算法的整体流程如图 6 所示。该网络模型的总体结构由输入端处理模块、backbone 网络、neck 网络以及输出端处理模块组成。在输入端处理模块中,YOLOv5 引入了 Mosaic 数据增强的方法,选用四张图片以随机缩放、随机裁剪、随机排布的方式将图片拼接成训练图片。Mosaic 数据增强可以丰富数据集,在拼接过程中图片会随机缩放,拼接完成后数据集中将增加大量小目标数据,提升小目标的检测效果和网络的
26、鲁棒性。在训练时,针对不同数据集初始锚框值处理的问题,输入端处理模块中引入自适应锚框计算,每次训练时可以自适应计算出训练集的最佳初始锚框值。在推理中,针对不同尺寸的输入图片,DID-YOLO 在输入端处理模块中引入了自适应图片缩放,直接在原始图像中自适应地添加最少的黑边,大大减少了推理计算量,提高了目标检测速度。backboneneck图 6摇 DID-YOLO 算法流程11摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 章佳琪等:DID-YOLO:一种适用于嵌入式设备的移动机器人目标检测算法摇 摇 DID-YOLO 的 backbone 网络用于提取输入端处理模块处理后图像的特征信息,经
27、过轻量化后的backbone 网络解决了原网络结构复杂,参数量和计算量庞大的问题,提高了算法的运行速度。DID-YOLO的 Neck 网络采用 PANet 结构,用于处理特征图生成特征金字塔,增强模型对不同尺寸目标对象的检测精度,达到网络高精度识别不同大小和尺寸物体的目的。PANet 结构为在 FPN 的基础上增加一个自底向上方向的增强,使得顶层特征图融合底层特征图的位置信息,从而提升对大尺寸目标物体的检测效果。为解决预测框和真实框完全不重合时,损失函数不可求导的问题,DID-YOLO 的输出端处理模块选用CIOU_Loss 函数作为 Bounding box 的损失函数,其计算公式为:v=4
28、仔2(arctanWgthgt-arctanWphp)2(3)CIOU_Loss=1-CIOU=1-(IOU-Distance22Distance_C2-v2(1-IOU)+v)(4)CIOU_Loss 不但考虑到了预测框和真实框重叠的面积,还引入了预测框和真实框的长宽比和两者中心点的距离。针对多目标框的筛选,YOLOv5 的输出端处理模块选用 nms 非最大值抑制,保留检测效果最好的预测框,去除冗余的预测框。2.2摇 知识蒸馏知识蒸馏是一种常用的模型压缩方法。现有的主流知识蒸馏方法大致可分为两类。第一类知识蒸馏,使用由教师网络生成的分类软标签和真实标签来指导学生网络训练。Jimmy Ba 等
29、人17首先提出了这类方法。但是,随着网络复杂程度不断加深,单纯依靠教师网络的软标签来蒸馏训练学生网络会产生信息沟壑,导致蒸馏训练对学生网络精度提升效果减弱。因此,第二类利用教师网络的特征层对学生网络进行指导的知识蒸馏方法被提出。Junho Yim 等人18在学生网络训练中提出了一种模拟多层教师网络特征的方法。Hui Wang 等人19提出了一种逐步蒸馏的方法,允许学生网络逐步学习教师网络中间层的特征信息。该文在 YOLOv5s 基础上对其 backbone 网络进行轻量化后提出 DID-YOLO,造成 DID-YOLO 大量特征层信息损失,因此提出了针对特征图和输出层的知识蒸馏,其蒸馏框架如图
30、 7 所示。因 backbone 网络进行重构后,其输出特征图维度与原网络输出的特征图维度不一致,采用在 DID-YOLO 的 backbone 网络输出上添加 Converter 模块的方法,使其升维至与教师网络匹配。其中 Converter 模块由 conv、bn 和 relu6 组成。因此教师网络在其 backbone 网络输出上套接relu6 函数,保证学生和教师网络的特征层的激活函数一致。该文提出的知识蒸馏结构在输出层蒸馏的基础上,对特 征提取也进行 了蒸馏,提升 学 生 网 络 的backbone 在特征提取上的表征能力,在一定程度上提高了提出的基于 YOLOv5s 轻量化网络的识
31、别精度。InputConverterRelu6L2 LossBackboneBackboneClassificationClassificationRegressionRegressionWeighted CrossEntropy LossBoundedRegressionLossGround TrouthLabelSoftMax&SmoothL1Loss图 7摇 知识蒸馏框架示意图21摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 计算机技术与发展摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第 33 卷3摇 实验结果与分析3.1
32、摇 数据集与实验设置为了验证提出的移动机器人目标检测算法 DID-YOLO 的有效性,该文所有算法模型均在公共数据集Pascal VOC 上完成训练,并在其验证集上验证模型的正确性。其中随机筛选 16 552 张图片作为训练集用以网络模型训练,4 953 张图片作为验证集用以验证网络模型的正确性。提出的移动机器人目标检测算法训练和验证的环境为 ubuntu18.04 操作系统,硬件配置为 Intel 誖 Xeon 誖 Silver4210 CPU 2.20 GHz 和TeslaP100-PCI-E GPU,内存为 12 GB,总显存为 16GB,该算法在 cuda10.1,Pytorch1.7
33、.0 下完成模型的搭建和网络训练。3.2摇 模型评价指标在比较模型性能时,以平均准确率(mAP 0.5)、模型尺寸(Model Size)、检测速度(fps)衡量算法的精度、复杂程度和实时性能。其中 mAP 0.5 是指均交比阈值为 0.5 时,所有类别的平均 AP,其计算公式为:mAP0.5=1N移Ni=1APi(5)mAP0.5 衡量模型精确率随召回率变化的趋势,是目标检测算法使用 VOC 数据集测试精度最常用的评价指标。其中检测速度是由目标检测算法处理每张相机实时捕捉的图片所用的平均时间,是评价算法运行速度的常用评价指标。3.3摇 知识蒸馏效果对比提出的移动机器人目标检测算法 DID-Y
34、OLO 在以不同网络为教师网络指导训练后的结果如表 1 所示。轻 量 化 网 络 DID-YOLO 的 mAP 0.5 为68郾 05%,以 YOLOv5l 为教师网络进行知识蒸馏后,DID-YOLO 算法的 mAP 0.5 提升至 72.24%,提升了 6郾 16%;以 YOLOv5s 为教师网络进行知识蒸馏后,DID-YOLO 算法 mAP 0.5 提升至 72.49%,提升了6郾 52%;以 YOLOv5l 为教师网络、YOLOv5s 为助教网络进行知识蒸馏后,DID-YOLO 算法 mAP 0.5 提升至 73.83%,提升了 8.49%。表 1摇 知识蒸馏结果对比学生网络助教网络教师
35、网络mAP0.5/%DID-YOLO无无68.05DID-YOLO无YOLOv5l72.24DID-YOLO无YOLOv5s72.49DID-YOLOYOLOv5sYOLOv5l73.83摇 摇 由表 1 可知,DID-YOLO 算法的 mAP 0.5 值最高达到73.83%。相较于以 YOLOv5l 为教师网络的知识蒸馏训练,引入 YOLOv5s 作为助教网络辅助蒸馏可以得到最高的 mAP 0.5 值。YOLOv5l 具有最高的精度,但其网络模型在结构和复杂度上与学生网络存在较大的差异,因此引入 YOLOv5s 作为助教网络可以提高知识蒸馏能力,辅助指导学生网络训练。3.4摇 多种目标检测算
36、法性能对比为验证提出的移动机器人目标检测算法 DID-YOLO 部署在嵌入式设备中的效果,在 VOC 数据集中测试了当前嵌入式平台使用的主流轻量化目标检测算法,包括 YOLOv3-Tiny、YOLOv4-Tiny 和 YOLOv5s,实验结果以平均精度均值 mAP 0.5、网络模型大小和在 Xavier 上运行的实时帧数为评价指标,对比结果如表 2 所示。表 2摇 多种检测模型结果对比网络模型mAP0.5/%Model Size/MB检测速度/fpsYOLOv3-Tiny552.7834.924.6YOLOv4-Tiny962.5723.625.1YOLOv5s2074.237.0729.6D
37、ID-YOLO73.833.6331.2摇 摇以 Pascal VOC 为数据集进行训练,YOLOv5s 的计算量为 8.39 G,生成的模型参数量为 7.07 MB。经过深度可分离卷积和倒置残差模块对 YOLOv5s 的backbone 网络进行重构后,计算量为 4.65 G,最终生成的模型参数量为3.63 MB。相较于 YOLOv5s,DID-YOLO 网络模型参数量下降了 48.65%,计算量降低了 44.58%。对比实时性能,在以 AGX Xavier 为主控的移动机器人嵌入式平台,DID-YOLO 实时运行可达到每秒 31.2 帧的速度,相较于 29.2 帧/s 的 YOLOv5s提
38、升了 5.41%。在检测精度上,DID-YOLO 最高mAP 0.5 可达 73.83%,相较于 YOLOv5s,下降了0郾 54%。经过轻量化后的 DID-YOLO 损失了一定程度的检测精度,但实时性能有较大的提升。与当前移动机器人领域中主流的目标检测算法YOLOv3-Tiny 和 YOLOv4-Tiny 相比,DID-YOLO 在模型尺寸、检测准确率和速度上都有着较大的优势。由表 2 可知,提出的 DID-YOLO 的模型尺寸仅为YOLOv3-Tiny 的 10.4%、YOLOv4-Tiny 的 15.38%,其模型尺寸被压缩至 3.63 MB,在嵌入式设备部署时仅需占用极小的空间资源。虽
39、然 DID-YOLO 模型尺寸较小,但在公共数据集 Pascal VOC 上其检测准确率超过了 YOLOv3-Tiny 和 YOLOv4-Tiny,DID-YOLO的 mAP 0.5 分别提高了 21.05%和 11.26%。在AGX Xavier 上,DID-YOLO 处理实时图像性能也高于两者,其检测速度达到 31.2 fps,相较于 YOLOv3-Tiny 和 YOLOv4-Tiny,其检测帧率分别提高了 6.6 帧和 6.1 帧。以上分析可得,提出的 DID-YOLO 与原网31摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 章佳琪等:DID-YOLO:一种适用于嵌入式设备的移动机
40、器人目标检测算法络 YOLOv5 相比牺牲了一部分的检测精度,但模型尺寸进一步压缩且实时性能得到一定程度提升,且综合模型轻量化指标、检测精度参数和实时检测性能指标与 YOLOv3-Tiny 和 YOLOv4-Tiny 相比,提出的 DID-YOLO 更具优越性。4摇 结束语提出的 DID-YOLO 算法,在 YOLOv5s 的基础上引入深度可分离卷积和倒置残差模块重构其 backbone网络,减少算法复杂度,并进一步压缩模型,并通过结合特征层和输出层的知识蒸馏提高 DID-YOLO 目标检测的准确率。最终在 Pascal VOC 公共数据集上进行实验表明,DID-YOLO 算法的模型尺寸压缩至
41、 3.63MB,mAP0.5 达到73.83%,实时检测速度达到31.2fps,该算法完全满足一个移动机器人嵌入式平台对目标检测算法的模型尺寸、检测速度和精度的要求。参考文献:1摇 LIU Z,FANG F,QIAN K,et al.Optimization method of tar鄄get detection and tracking system for mobile robotC/Pro鄄ceedings of the 2020 IEEE international conference on real-time computing and robotics(RCAR).Asahika
42、wa:IEEE,2020:410-415.2摇GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich fea鄄ture hierarchies for accurate object detection and semanticsegmentationC/Proceedings of the IEEE conference oncomputer vision and pattern recognition.Columbus:IEEE,2014:580-587.3摇 GIRSHICK R.Fast R-CNNC/Proceedings of the IEEEinter
43、national conference on computer vision.Mass:IEEE,2015:1440-1448.4摇 REN S,HE K,GIRSHICK R,et al.Faster R-CNN:towardsreal-time object detection with region proposal networksJ.IEEE Transactions on Pattern Analysis and Machine In鄄telligence,2015,39(6):1137-1149.5摇 ADARSH P,RATHI P,KUMAR M.YOLO v3-Tiny:o
44、bjectdetection and recognition using one stage improved modelC/Proceedings of the 2020 6th international conferenceonadvancedcomputingandcommunicationsystems(ICACCS).Coimbatore:IEEE,2020:687-694.6摇 FANG W,WANG L,REN P J I A.Tinier-YOLO:a real-time object detection method for constrained environments
45、J.IEEE Access,2020,8:1935-1944.7摇 张摇伟,庄幸涛,王雪力,等.DS-YOLO:一种部署在无人机终端上的小目标实时检测算法J.南京邮电大学学报,2021,41(1):86-98.8摇 BOCHKOVSKIY A,WANG C Y,LIAO H M.Yolov4:opti鄄mal speed and accuracy of object detectionJ.arXiv:2004.10934,2020.9摇JIANG Z,ZHAO L,LI S,et al.Real-time object detectionmethod based on improved YOL
46、Ov4-tinyJ.arXiv:2011.04244,2020.10 WANG G,DING H,YANG Z,et al.TRC-YOLO:a real time detection method for lightweight targets based on mobiledevicesJ.IET Computer Vision,2022,16(2):126-142.11 谭摇 任,唐摇 忠,王鸿亮,等.基于深度学习的嵌入式汽车内饰件装配检测J.计算机系统应用,2022,31(4):110-116.12 WANG C Y,LIAO H Y M,WU Y H,et al.CSPNet:a n
47、ewbackbone that can enhance learning capability of CNNC/Proceedings of the IEEE/CVF conference on computer vi鄄sion and pattern recognition workshops(CVPRW).Seattle:IEEE,2020:1571-1580.13 LIU S,QI L,QIN H,et al.Path aggregation network for in鄄stance segmentationC/Proceedings of the IEEE confer鄄ence o
48、n computer vision and pattern recognition(CVPR).Salt Lake City:IEEE,2018:8759-8768.14 HOWARD A G,ZHU M,CHEN B,et al.Mobilenets:effi鄄cient convolutional neural networks for mobile vision appli鄄cationsJ.arXiv:1704.04861,2017.15 CHOLLET F.Xception:deep learning with depthwise separa鄄ble convolutionsC/P
49、roceedings of the IEEE conferenceon computer vision and pattern recognition(CVPR).Honolu鄄lu:IEEE,2017:1800-1807.16 TARG S,ALMEIDA D,LYMAN K.Resnet in resnet:gener鄄alizing residual architecturesJ.arXiv:1603.08029,2016.17 BA J,CARUANA R.Do deep nets really need to be deepC/Neural information processin
50、g systems.s.l.:MITPress,2014:2654-2662.18 YIM J,JOO D,BAE J,et al.A gift from knowledge distil鄄lation:fast optimization,network minimization and transferlearningC/Proceedings of the IEEE conference on com鄄puter vision and pattern recognition(CVPR).Honolulu:IEEE,2017:7130-7138.19 HUI W,ZHAO H,XI L,et
