收稿日期:2022-11-16.基金项目:国家重点研发计划资助项目(2021YFB3600603);福建省自然科学基金资助项目(2020J01468);国家青年科学基金项目(62101132).*通信作者:林珊玲E-mail:sllin@fzu.edu.cn光电技术及应用DOI:10.16818/j.issn1001-5868.2022111601基于Zynq平台的图像目标检测系统王利翔1,林珊玲1,3*,林志贤1,2,3,郭太良2,3(1.福州大学先进制造学院,福建泉州362200;2.福州大学物理与信息工程学院,福州350116;3.中国福建光电信息科学与技术实验室,福州350116)摘要:针对图像目标检测任务中采用的深度学习网络复杂的计算和规模庞大的计算参数,导致基于ARM架构的嵌入式系统上,目标检测任务存在着高延时和处理速度慢的问题,文章提出并设计实现了一种新型完整嵌入式道路车辆检测方案。该方案在基于YOLOv3-Tiny的特征提取网络中采用结构重参数化的方法提升模型检测精度,并通过Vitis-AI在Zynq嵌入式平台上部署DPUCZDX8G架构的加速核对卷积神经网络的并行加速,最后将改进的YOLOv3-Tiny网络模型经过量化、编译,以动态链接库的方式部署。实验结果表明,在VOC2007上测试最终实现均值平均精度(MAP)为0.597,实时处理速度为27.7FPS,同时帧率功耗比为1.49,适合边缘计算设备的低功耗要求。关键词:目标检测;Vitis-AI;量化;结构重参数化;Zynq中图分类号:TP394.1;TH691.9文章编号:1001-5868(2023)01-0147-06ImageTargetDetectionSystemBasedonZynqPlatformWANGLixiang1,LINShanling1,3,LINZhixian1,2,3,GUOTailiang2,3(1.SchoolofAdvancedManufacturing,FuzhouUniversity,Quanzhou362200,CHN;2.SchoolofPhysicsandInformationEngineering,FuzhouUniversity,Fuzhou350116,CHN;3.ChinaFujianPhotoelectricInformationScienceandTechnologyInnovationLaboratory,Fuzhou350116,CHN)Abstract:Duetothecomplexcomputationofthedeeplearningnetworkandthehugecomputationalparametersusedintheroadvehicletargetdetection,theproblemofhighdelayandslowprocessingspeedexistsinthetargetdetectiontaskontheembeddedsystembasedonARMarchitecture.Aimingattheaboveproblems,acompleteembeddedroadvehicletargetdetectionsolutionwasdesignedandimplementedinthispaper.Thestructuralre-parameterizationisusedintheYOLOv3-Tiny-basedfeatureextractionnetworktoimprovethemodeldetectionaccuracy,andtheparallelaccelerationoftheconvolutionalneuralnetworkwasdeployedbyVitis...
