基于海思Hi3531部署的红外小目标检测算法研究

摘要

针对现有算法计算量大、实时性差、部署困难等问题,同时为满足红外探测系统对实时性及准确率的高要求,提出了一种部署于国产嵌入式芯片的轻量化算法,即YOLOv5-Tiny Hisi. YOLOv5-Tiny Hisi算法根据红外小目标特点对主干网络结构进行轻量化改造,并使用SIo U优化损失函数中的边界误差,提高了红外小目标定位的准确性.将YOLOv5-Tiny Hisi算法模型部署到海思Hi3531DV200嵌入式开发板上,利用芯片集成的神经网络加速引擎(neural network inference engine, NNIE)对网络推理进行加速.在公开数据集上的实验结果表明,该算法能够大幅度降低参数量和模型大小,与YOLOv5相比,在平均精度上的提升了1.52%.在海思Hi3531DV200嵌入式开发板上对分辨率为(1 280×512)像素的单张图像推理速度可达到35帧/s,召回率可达到95%,满足了红外探测系统对实时性和准确率的要求.

关键词

红外小目标检测 / 嵌入式系统 / YOLOv5 / 神经网络加速引擎