申请/专利权人：云南大学

申请日：2022-03-09

公开（公告）日：2024-03-19

公开（公告）号：CN114612825B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/774;G06V10/82;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本发明公开了一种基于边缘设备的目标检测方法，根据实际需要选择目标检测模型，设置检测时间、检测功耗和检测精度的优先级，以及检测时间上限，对于需要进行目标检测的边缘设备，获取支持不同模型输入分辨率的深度学习框架，构成深度学习框架集合，并获取每个深度学习框架的推断时间和平均功耗，基于检测时间上限和三个性能的优先级，对深度学习框架进行优选，根据筛选得到的深度学习框架对目标检测模型进行优化配置，对目标检测模型进行训练后部署到边缘设备上进行目标检测。本发明通过对边缘设备上目标检测模型的深度学习框架进行优选，综合考虑目标检测模型的检测时间、检测功耗和检测精度，从而提高目标检测的性能。

主权项：1.一种基于边缘设备的目标检测方法，其特征在于，包括以下步骤：S1：根据实际需要选择目标检测模型，然后设置目标检测模型的检测时间、检测功耗和检测精度这三个检测性能指标的优先级，以及目标检测模型的检测时间上限T；S2：对于需要进行目标检测的边缘设备，首先确定边缘设备支持的深度学习框架，记所支持深度学习框架的数量为N；获取目标检测模型在边缘设备上运行于各个深度学习框架时所支持的模型输入分辨率，记第n个深度学习框架所支持的模型输入分辨率数量为Mn，n＝1,2,…,N，将支持第m个模型输入分辨率的第n个深度学习框架记为fn,m，m＝1,2,…,Mn，将所有深度学习框架fn,m构成深度学习框架集合F，然后获取每个深度学习框架fn,m在边缘设备的推断时间tn,m和平均功耗wn,m；S3：对于深度学习框架集合F，将其中推断时间tn,m超过检测时间上限T的深度学习框架删除，得到初步筛选后的深度学习框架集合F′；如果检测性能指标中优先级最高的是检测时间，那么将深度学习框架集合F′中检测时间最少的深度学习框架作为所使用的深度学习框架将其对应的模型输入分辨率作为目标检测模型的输入分辨率如果所筛选出的深度学习框架数量大于1，则按照检测精度和检测功耗的优选级继续筛选，得到最优的深度学习框架；如果检测性能指标中优先级最高的是检测功耗，那么将深度学习框架集合F′中平均功耗最少的深度学习框架作为所使用的深度学习框架将其对应的模型输入分辨率作为目标检测模型的输入分辨率如果所筛选出的深度学习框架数量大于1，则按照检测精度和检测时间的优先级继续筛选，得到最优的深度学习框架；如果检测性能指标中优先级最高的是检测精度，那么将深度学习框架集合F′中模型输入分辨率最大的深度学习框架作为所使用的深度学习框架将其对应的模型输入分辨率作为目标检测模型的输入分辨率如果所筛选出的深度学习框架数量大于1，则按照检测时间和检测功耗的优先级继续筛选，得到最优的深度学习框架；S4：根据步骤S3中筛选得到的深度学习框架和目标检测模型的输入分辨率对目标检测模型进行优化配置，然后收集训练样本对目标检测模型进行训练；S5：将步骤S4训练好的目标检测模型部署到边缘设备上，对摄像机所获取的视频图像进行目标检测。

全文数据：

权利要求：

百度查询： 云南大学 基于边缘设备的目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD