FRDet：基于Fire-Residual模块、面向自动驾驶嵌入式处理器的均衡轻量目标检测器
计算机视觉与模式识别
2020-11-17 v1 图像与视频处理
摘要
为部署于自动驾驶嵌入式处理器，目标检测网络需同时满足精度、实时推理与轻量模型尺寸的要求。传统的基于深度CNN的检测器以高准确率为目标，其模型尺寸对于内存空间有限的嵌入式系统而言过于庞大。相比之下，轻量目标检测器虽大幅压缩，却以显著牺牲精度为代价。因此，我们提出FRDet，一种轻量单阶段目标检测器，经均衡设计以满足自动驾驶应用嵌入式GPU处理器上精度、模型尺寸与实时处理的所有约束。我们的网络旨在最大化模型压缩的同时，达到或超越YOLOv3的精度水平。本文提出Fire-Residual(FR)模块，通过适配带残差跳跃连接的fire模块，设计低精度损失的轻量网络。此外，对边界框施加高斯不确定性建模以进一步提升定位精度。在KITTI数据集上的实验表明，与YOLOv3相比，FRDet内存尺寸减少50.8%，而mAP精度提升1.12%。并且，在嵌入式GPU板(NVIDIA Xavier)上实时检测速度达31.3 FPS。所提网络相较其他深度CNN目标检测器在可比精度下实现了更高压缩率，同时优于轻量检测器基线。因此，所提FRDet是一种均衡且高效的实用自动驾驶目标检测器，可满足精度、实时推理与轻量模型尺寸的全部标准。
引用
@article{arxiv.2011.08061,
title = {FRDet: Balanced and Lightweight Object Detector based on Fire-Residual Modules for Embedded Processor of Autonomous Driving},
author = {Seontaek Oh and Ji-Hwan You and Young-Keun Kim},
journal= {arXiv preprint arXiv:2011.08061},
year = {2020}
}