科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习在检测领域高速发展，但受限于训练数据和计算效率，在基于嵌入式平台的边缘计算领域，尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象，同时为满足现阶段国产化、智能化的技术需求，提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络，解决了网络模型无法在线更新的问题，提升了跟踪的准确性；在IoUNet损失函数中加入中心距离惩罚项，解决了IoUNet当IoU相同时位置跳跃，存在收敛盲区和收敛速度慢的问题；将训练后的网络通过通道剪枝，缩减网络模型尺寸，提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行，算法准确率高达0.90(IoU>0.7)，帧率达到66 Hz。
- 单位
