【技术实现步骤摘要】
一种基于FPGA加速的改进YOLOv8s交通目标检测方法
[0001]本专利技术属于交通智能驾驶
,具体涉及改进
YOLOv8s
交通目标检测方法
。
技术介绍
[0002]近年来,无人驾驶技术飞速发展,能够实现在智能系统的控制下,依靠毫米波雷达
、
机器视觉
、
全球定位系统等辅助装置,实现保持车道车距
、
躲避障碍物
、
红灯停绿灯行等一系列驾驶行为,从而提高驾驶安全
、
降低事故率
、
提升交通效率
。
为使无人驾驶汽车能够安全稳定地运行在道路上,需要对外部环境有精准的感知,实时地对参与道路交通的各个对象如行人
、
车辆
、
路障等进行检测与定位
。
[0003]目前基于视觉的目标检测技术主要分为两类:传统的目标检测算法和基于深度学习的目标检测算法
。
由于传统的目标检测算法的特征提取都是由人工设计,存在较大的局限性,且计算量往往过大,影响着检测速度和精度,在面对复杂输入时没有较好的泛化能力,因此在自动驾驶领域难以得到较好的应用
。
与传统方法相比,神经网络有着更加强大的学习特征能力和信息表征能力,并且伴随着深度学习技术的快速发展,在目标检测领域使用卷积神经网络进行检测已经成为了主流方法
。
目前最具代表性的算法有
Faster R
‑
CNN、SSD< ...
【技术保护点】
【技术特征摘要】
1.
一种基于
FPGA
加速的改进
YOLOv8s
交通目标检测方法,其特征在于,具体步骤为:步骤一
、
采集并标注训练和测试用数据集;步骤二
、
搭建改进
YOLOv8s
网络,改进网络损失函数,进行数据集的网络模型训练,多次实验测试达最佳效果后获取最优权重文件;步骤三
、
对改进
YOLOv8s
网络模型进行压缩,将改进
YOLOv8s
核心网络部署至
FPGA
芯片上,实现
FPGA
硬件加速;步骤四
、
实时输入采集并标注的数据流,经
FPGA
前向推理,输出六尺度特征图,并将其传回
PC
端;步骤五
、
在
PC
端对输出特征图解码,并还原至原图尺度,与摄像头采集视频流进行叠加,实现可视化目标检测
。2.
根据权利要求1所述的改进
YOLOv8s
交通目标检测方法,其特征在于,步骤一中,所述数据集由路侧单元和车载单元采集目标场景下的多段视频组成;另外适量截取网络中不同开源数据集,与采集数据混合;路侧单元是在复杂交通路口安装的摄像头,车载单元是在自动驾驶车辆前端配备的前视摄像头,分别截取正常可视条件与黎明
、
黑夜
、
雨天
、
雾天和刺眼光线恶劣条件下的视频流;每种条件下采集的视频流至少
40
段,每段不低于
10s
,按照
10Hz
频率抽取离散帧;使用
Labelimg
作为标注工具,为每帧图像标注检测框;检测框信息包括目标物体类别与检测框坐标,被遮挡目标需标注可见比例;通过对图像进行增强处理使各类别比例趋于平衡,数据集按照
8:1:1
的比例换分为训练集,验证集和测试集
。3.
根据权利要求2所述的改进
YOLOv8s
交通目标检测方法,其特征在于,步骤二中,所述网络模型训练,首先使用公开的大型交通类目标数据集进行预训练,以获得预训练权重,加载预训练权重,再利用自制交通类目标数据集进行模型的重新训练;训练过程分为冻结阶段和解冻阶段,训练至模型收敛,选取损失函数最小时的权重作为最优权重
。4.
根据权利要求3所述的改进
YOLOv8s
交通目标检测方法,其特征在于,步骤三中,所述对改进
YOLOv8s
网络模型进行压缩,压缩方式为模型剪枝与定点量化以及
BN
层与卷积层融合;其中:所述模型剪枝方式,为先对网络进行常规训练,训练完成后在大型验证数据集上运行网络以获得每个神经元的
APoZ
;设定阈值修剪具有高
APoZ
的神经元,并相应移除与被修剪神经元的连接;修剪完成后,使用修剪前的权重对修剪后的网络进行初始化,并重新训练网络以增强修剪后网络性能;所述定点量化方式,为可变精度的
16
位定点数量化;对改进
YOLOv8s
各网络层权重数据进行统计,针对不同网络层数据特点,找出最优小数点位置,实现可变精度的定点量化,使量化对网络性能的影响降至最低;所述
BN
层与卷积层融合方式,其过程为:假设卷积核权重为
w
,偏置为
b
,输入数据为
x
,提取的特征数据为
y
,则有
y
=
w*x+b
;
BN
层对输入数据进行归一化,改善训练参数梯度,卷积公式带入
BN
公式则有:
则有融合后的卷积核权重偏置参数
μ
x
为均值,为方差;该方式将两步运算合并为一步,进一步加速推理过程,减少运算复杂度
。5.
根据权利要求4所述的改进
YOLOv8s
交通目标检测方法,其特征在于,步骤三中,所述
FPGA
网络加速,其架构分为三个部分:
ARM
控制器,卷积加速器以及缓存
DDR
;其中:
ARM
控制器通过
AXI
‑
Lite
实现卷积加速器的寄存器配置,输入特征图
、
权重
、
偏置数据缓存在外部
DDR
...
【专利技术属性】
技术研发人员:陈志辉,蒋旻,张冠华,
申请(专利权)人:上海全欣智享科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。