基于树莓派与YOLOv5-Lite模型的行人检测系统设计.pdf
《基于树莓派与YOLOv5-Lite模型的行人检测系统设计.pdf》由会员分享,可在线阅读,更多相关《基于树莓派与YOLOv5-Lite模型的行人检测系统设计.pdf(4页珍藏版)》请在咨信网上搜索。
1、Computer Era No.9 20230 引言行人检测系统可以为智能驾驶车辆后续路径规划、决策、控制提供必要的感知信息1。研究行人检测系统对于实现车辆的智能驾驶具有重要意义。本次实验设计的搭载在树莓派上的基于轻量化YOLOv5-Lite 模型的行人检测系统,可以有效地完成对行人检测的工作,具有高精度、低成本、体积小、低功耗等特点,并且该模型复杂度低,易于在树莓派上进行部署应用。1 系统方案行人检测系统工作原理:首先分别在PC端和树莓派上搭建模型训练测试的环境,并构建行人识别数据集,然后由计算机远程连接上树莓派,将在PC端训练好的YOLOv5-Lite模型与YOLOv5s模型分别移植到树莓
2、派上进行测试,由树莓派读取行人的测试图像,并传输到树莓派上进行图像处理、识别,在PC端显示检测的效果。系统集成流程如图1所示。图1行人检测系统集成图DOI:10.16644/33-1094/tp.2023.09.024基于树莓派与YOLOv5-Lite模型的行人检测系统设计*郑尚坡1,陈德富1,邱宝象2,张龙2(1.浙江工业大学信息工程学院,浙江 杭州 310023;2.万向钱潮股份公司)摘要:把在PC端上训练好的YOLOv5s与YOLOv5-Lite目标检测模型分别部署在搭载Linux系统的树莓派4B平台上,并在此平台上搭建深度学习环境,构建道路行人检测系统。对这两个模型进行分析对比,实验结
3、果表明,在识别准确率相差0.1%的情况下,YOLOv5-Lite模型相对于原YOLOv5s模型,网络参数量下降了78.26%,模型计算量下降了77.91%,模型内存大小下降了75.52%,检测速度提高了91.67%。综上,本文提出的基于树莓派和轻量化YOLOv5-Lite目标检测网络模型的行人检测系统兼顾了识别准确、适用性好、小型化、成本低等综合性能优势。关键词:行人识别;树莓派;YOLOv5-Lite;目标检测;模型部署中图分类号:TP391.4文献标识码:A文章编号:1006-8228(2023)09-116-04Design of pedestrian detection system
4、based on Raspberry Pi and YOLOv5-Lite modelZheng Shangpo1,Chen Defu1,Qiu Baoxiang2,Zhang Long2(1.College of Information Engineering,Zhejiang University of Technology,Hangzhou,Zhejiang 310023,China;2.Wanxiang Qianchao Co.,Ltd)Abstract:The YOLOv5s and YOLOv5-Lite target detection models trained on PC
5、are deployed on the Raspberry Pi 4B platformequipped with Linux system respectively,and a deep learning environment is built on this platform to construct a road pedestriandetection system.The two algorithms are analyzed and compared.The experimental results show that in the case of 0.1%difference i
6、n recognition accuracy,the YOLOv5-Lite model has a 78.26%decrease in network parameters,a 77.91%decrease inmodel computation,a 75.52%decrease in model memory size,and a 91.67%improvement in detection speed.It takes into accountthe comprehensive performance advantages of accurate identification,good
7、applicability,miniaturization and low cost.Key words:pedestrian recognition;Raspberry Pi;YOLOv5-Lite;target detection;model deployment收稿日期:2023-04-05*基金项目:杭州市萧山区重大科技计划项目支持(2021108)作者简介:郑尚坡(2001-),男,浙江宁波人,本科生,主要研究方向:深度学习、嵌入式系统、目标检测。116计算机时代 2023年 第9期行人检测系统主要由硬件环境和软件环境两部分组成,硬件环境主要由树莓派4B主板、SD卡、散热风扇、读卡器
8、、支架、保护外壳等构成。软件环境中主要搭建了Python3.7.2环境,使用pip指令安装了Numpy(1.21.5),Opencv(4.5.5),Torch(1.8.0),Torchvision(0.9.0)等库,完成了在树莓派上深度学习环境的配置。2 Yolo v5-Lite算法原理及其改进2.1 YOLOv5算法简介相对于R-CNN2、Fast R-CNN3、Faster R-CNN4等two-stage的目标检测算法,该两阶段算法在检测速度上难以满足实际的需求,随后Redmin5等人提出了one-stage的目标检测算法YOLO,极大提高了目标检测速度。本次实验选择YOLOv5s6网络
9、模型作为基础进行改进。如图2为YOLOv5s的网络结构。YOLOv5s网络模型可分为四个部分。第一部分为输入端,负责Mosaic数据增强,自适应Anchor计算,自适应缩放图片。第二部分为Backbone,有Focus结构、C3 结构、SPP 结构。其中 Focus 结构主要是通过slice操作来对输入图片进行裁剪,切片过程如图3所示,结构如图4所示。C3结构分为C3 1_X与C3 2_X两种,SPP 模块由池化模块、卷积模块和 Concat模块组成,该部分主要负责目标特征的提取。第三部分为Neck网络,采用了FPN+PAN结构,由于FPN只传递了高层强语义特征信息而未传递定位信息7,所以 P
10、AN 在FPN的基础上引入自底向上路径以增强结构传达强定位特征,更好地提取融合特征。第四部分为输出端,采用 CIoU Loss8作为 Bounding Box回归的损失,采用BCE Loss作为分类损失和置信度损失。图3切片示意图图4Focus结构图2.2 YOLOv5-Lite网络模型结构YOLOv5-Lite 网络9在原来的 YOLOv5s 基础上做了以下改进:摘除了 Focus 层和四次 slice 操作;选择ShuffleNetV2替代C3作为骨干网提取特征,加入了Shuffle Channel,并摘除ShuffleNetV2的1024卷积和55池化操作,在原基础上减少了C3层的多次使
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 树莓派 YOLOv5 Lite 模型 行人 检测 系统 设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。