基于轻量级神经网络的人群计数模型设计

• 作者: 刘源 尤倩 平嘉蓉 张正华 杨意 沈逸 苏权 陈豪
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 人群计数 VGG-16 轻量级神经网络 深度学习 现场可编程门阵列
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 442-446
• 页数: 5页
• 分类号: TN912
• 字数: 2563字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2020.06.003

摘要

针对传统的卷积神经网络应用在人群计数过程中的参数众多、 计算消耗大,难以在轻量级平台上实现的问题,提出一种基于轻量级神经网络的人群计数模型.模型以人群的特征提取为导向,对VGG-16网络重新部署.利用GPU完成训练,在容器化开发环境下,利用深度学习的方法进行压缩量化编码,生成轻量级神经网络,提高资源利用效率.将轻量级网络模型部署到FPGA上,完成软硬件协同推断.在Mall Dataset数据集支持下进行系统验证,实验结果表明,该系统轻量化后的均方误差可达到18.4,能效比由在PC上的0.35提高到在FPGA上的1.13,实现了轻量级神经网络的准确性及低功耗性.