基于边缘计算的行人检测算法研究

文章基于多个边缘计算设备，构建轻量高效的行人检测算法。首先，基于原始YOLOv5模型，替换为MobileNetv3作为特征提取网络，减少算法参数量和计算量；其次采用ReLu6激活函数，加速网络收敛，减少模型复杂度；最后利用K-means聚类算法仅选取3个先验框分别匹配到3个不同尺度检测头中。实验结果表明：改进后的模型参数量和计算量于仅为原始模型的51.6%和39.8%，在JetsonAGXXavier设备上采用TensorRT进行推理达到了66FPS的实时速度，在RK3399设备上达到了2.1 FPS。