TakuNet：面向应急响应场景中嵌入式无人机系统实时推理的节能CNN
计算机视觉与模式识别
2025-03-07 v3 性能
摘要
为嵌入式设备设计高效的神经网络是一个关键挑战，特别是在需要实时性能的应用中，例如用于应急响应的无人机航拍成像。在本工作中，我们介绍了TakuNet，一种新颖的轻量级架构，它采用深度可分离卷积和早期下采样主干等技术来降低计算复杂度，同时保持高精度。它利用密集连接实现快速收敛，并使用16位浮点精度以在嵌入式硬件加速器上进行优化。在两个公开数据集上的实验评估表明，尽管参数量极少，TakuNet在应急场景航拍图像分类中达到了接近最先进的精度。在嵌入式设备（即Jetson Orin Nano和Raspberry Pi）上的实际测试证实了TakuNet的高效性，在15W Jetson板上实现了超过650 fps的帧率，使其适用于资源受限平台上的实时AI处理，并推动了无人机在应急场景中的应用。代码和实现细节已公开发布。
引用
@article{arxiv.2501.05880,
title = {TakuNet: an Energy-Efficient CNN for Real-Time Inference on Embedded UAV systems in Emergency Response Scenarios},
author = {Daniel Rossi and Guido Borghi and Roberto Vezzani},
journal= {arXiv preprint arXiv:2501.05880},
year = {2025}
}
备注
10 pages, 2 figures, 6 tables, Accepted at WACVW 2025, Tucson (Arizona), United States