面向星载边缘计算的遥感目标检测算法轻量化优化研究

摘要

遥感图像目标实时检测是遥感领域高效能应用的一项关键技术.基于深度网络的目标检测模型检测率高,但该类算法模型往往参数多、计算量大,导致模型在边缘端设备难以部署,对该类模型进行轻量化优化是当前深度网络目标检测算法应用落地的一个核心问题.本文以YOLOv5s目标检测模型作为基础,将一种卷积核剪枝方法应用于YOLOv5s模型中,先对BN(batch normalization)层缩放因子做稀疏化处理,然后以其为评判标准对卷积核进行剪枝和参数微调,并用遥感飞机数据集进行训练和测试.实验结果证明,该方法可以在裁剪了30~50%的模型参数的情况下,使模型的目标检测性能变化在2%以内,即通过该方法可以有效减少YOLOv5s模型的过拟合,达到降低模型大小的效果.