.png){kind=icon}
返回
Efficient Detection Framework Adaptation for Edge Computing: A Plug-and-Play Neural Network Toolbox Enabling Edge Deployment
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3612469.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
边缘计算范式对于在时间敏感型应用中部署深度学习目标检测器至关重要。然而，实际效果常受关键阻碍：1) 检测精度与模型轻量性之间的固有权衡；2) 通用部署框架对任务特定目标检测的缺乏灵活性；3) 现实世界运行环境验证的稀缺。为应对这些挑战，我们提出了边缘检测工具箱（ED-TOOLBOX），利用通用化即插即用组件实现目标检测模型在边缘节点的适配。具体而言，我们提出了一种轻量级重参数化动态卷积网络（Rep-DConvNet），采用加权多形状卷积分支结构来提升检测性能。此外，ED-TOOLBOX包含一个稀疏交叉注意力（SC-A）网络，采用局部映射辅助的自注意力机制，以促进精心设计的联合模块自适应地转移特征，从而进一步提高性能。此外，我们提出了一个高效头模块用于分类和定位模块，以实现更高效的预测。此外，我们解决了工业安全中的一个关键疏忽：传统安全帽检测对帽带固定的忽视。为弥补这一差距，我们构建了安全帽带检测数据集（HBDD），并将我们的ED-TOOLBOX优化模型部署在这一实际挑战中。广泛的实验验证了我们组件的有效性。在监控模拟中，我们的模型超越了六种最先进方法，实现了实时性能和高精度。这些结果确立了我们的方法作为边缘目标检测的优越解决方案。
Keyword:
Image edge detection
Adaptation models
Computational modeling
Safety
Edge computing
Biological system modeling
Convolutional neural networks
Visualization
Cloud computing
Neural networks
neural network edge deployment
reparameterized dynamic convolutional network
sparse cross-attention network
underground improper helmet-wearing detection
期刊
IF:
9.2
论文数:
5.6K
被引数:
1.8W
机构
引用论文
A generalist vision-language foundation model for diverse biomedical tasks用于各种生物医学任务的通才视觉语言基础模型.png)
NATURE MEDICINE
NATURE MEDICINEIF50
PREAI
分享收藏
Fusion-driven deep feature network for enhanced object detection and tracking in video surveillance systemsINFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile DevicesShuffleNet: 一种用于移动设备的极其高效的卷积神经网络
OAAI
OAAI分享收藏分享收藏
查看更多内容