华东师范大学学报(自然科学版)

作者：傅晓雪, 黄昶

关键词：红外小目标检测,嵌入式系统,YOLOv5,神经网络加速引擎,

针对现有算法计算量大、实时性差、部署困难等问题, 同时为满足红外探测系统对实时性及准确率的高要求, 提出了一种部署于国产嵌入式芯片的轻量化算法, 即YOLOv5-TinyHisi. YOLOv5-TinyHisi算法根据红外小目标特点对主干网络结构进行轻量化改造, 并使用SIoU优化损失函数中的边界误差, 提高了红外小目标定位的准确性. 将YOLOv5-TinyHisi算法模型部署到海思Hi3531DV200嵌入式开发板上, 利用芯片集成的神经网络加速引擎 (neural network inference engine, NNIE) 对网络推理进行加速. 在公开数据集上的实验结果表明, 该算法能够大幅度降低参数量和模型大小, 与YOLOv5相比, 在平均精度上的提升了1.52%. 在海思Hi3531DV200嵌入式开发板上对分辨率为 (1280×512)像素的单张图像推理速度可达到35帧/s, 召回率可达到95%, 满足了红外探测系统对实时性和准确率的要求.

来源：2025年第1期

《华东师范大学学报(自然科学版)》期刊编辑部

查看华东师范大学学报(自然科学版)杂志2025年第1期