基于RK3399Pro和YOLO的目标检测应用研究
文献类型：学位论文
| 作者 | 张利红 |
| 答辩日期 | 2022-05-20 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院光电技术研究所 |
| 导师 | 蔡敬菊 |
| 关键词 | 国产ai芯片 Rk3399pro Yolo 目标检测 |
| 学位名称 | 工程硕士 |
| 英文摘要 | 近年来，以深度神经网络为代表的目标检测算法计算量需求呈指数级增长，在广泛领域部署至终端的需求与日俱增，却又难以在性能受限的嵌入式平台进行实时部署。而科研常用的 AI 平台主要产自国外，存在核心技术和关键领域被“卡脖子”的现象，应用研发中也有信息安全隐患。因此，面向国产智能平台进行目标检测算法的应用研究具有重大意义。
本文工作主要从以下方面进行展开：
1. 针对基于国产芯片的智能处理平台的开发需求，设计了智能处理平台的总体架构与实现方案，规划了视频采集、显示以及前向计算处理模块。选定以瑞芯微 RK3399Pro 作为嵌入式平台原型，完成了硬件单元配置，搭建了集成开发环境，构建了具有稳定高效的数据处理能力的嵌入式系统。
2. 基于研制的智能处理平台进行了目标检测算法的部署与优化。针对嵌入式平台有限的计算与存储资源约束，进行了算法与硬件资源相适配的改进，采用了多种策略减少运行耗时。在图像分辨率为 416 像素×416 像素时，Tiny YOLOv4采用修改卷积通道数及替换激活函数等方式，理论推理速度达到了80FPS；YOLOv5s 通过改进特征提取网络及剪枝等方式，突破了 RKNN 框架对神经网络层的限制，理论推理速度可达 50FPS。两者的实际运行速度提升了 2.2 倍以上。
3. 针对智能技术在实际应用中的落地，基于智能处理平台及算法的部署优化，进行了实时目标检测系统的研制，设计了用户界面程序，并通过无人机检测实验对系统性能进行了验证。
综上，本文针对国产化智能处理系统的需求，进行了智能处理平台开发、目标检测算法在平台的部署与优化以及无人机检测系统的研制等工作。在图像分辨率为 416 像素×416 像素时，目标检测处理能力达到 60FPS，满足了实时的应用需求。 |
| 语种 | 中文 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/10278]  |
| 专题 | 光电技术研究所_光电技术研究所博硕士论文 |
| 推荐引用方式 GB/T 7714 | 张利红. 基于RK3399Pro和YOLO的目标检测应用研究[D]. 中国科学院光电技术研究所. 中国科学院大学. 2022. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。