基于轻量级神经网络的人群计数模型设计

作者：平嘉蓉; 张正华^*; 沈逸; 陈豪; 刘源; 杨意; 尤倩; 苏权

来源：无线电工程, 2020, 50(06): 442-446.

• 人群计数
• VGG-16
• 轻量级神经网络
• 深度学习
• 现场可编程门阵列

针对传统的卷积神经网络应用在人群计数过程中的参数众多、计算消耗大,难以在轻量级平台上实现的问题,提出一种基于轻量级神经网络的人群计数模型。模型以人群的特征提取为导向,对VGG-16网络重新部署。利用GPU完成训练,在容器化开发环境下,利用深度学习的方法进行压缩量化编码,生成轻量级神经网络,提高资源利用效率。将轻量级网络模型部署到FPGA上,完成软硬件协同推断。在Mall Dataset数据集支持下进行系统验证,实验结果表明,该系统轻量化后的均方误差可达到18.4,能效比由在PC上的0.35提高到在FPGA上的1.13,实现了轻量级神经网络的准确性及低功耗性。

• 单位
  扬州国脉通信发展有限责任公司