基于深度学习的嵌入式目标追踪研究进展.pdfVIP

计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: csa@ Computer Systems  Applications,2023,32(1):12−28 [doi: 10.15888/ki.csa.008914] ©中国科学院软件研究所版权所有. Tel: +86-10     基于深度学习的嵌入式目标追踪研究进展① 1,2 1 1 董　博 ,  陈　华,  龚　勇 1(中国电子科技南湖研究院, 嘉兴 314001) 2(中国科学技术大学 先进技术研究院, 合肥 230031) 通信作者: 龚　勇, E-mail: gongyong@ 摘　要: 作为计算机视觉领域的基本问题之一, 目标追踪具有广泛的应用场景. 随着硬件算力和深度学习方法的进 步, 常规的深度学习目标追踪方法精度越来越高, 但其模型参数量庞大, 计算资源和能耗需求高. 近年来, 随着无人 机和智能物联网应用的蓬勃发展, 如何在存储空间和算力有限、低功耗需求的嵌入式硬件环境中进行实时目标跟 踪, 成为当前研究的热点. 本文对面向嵌入式应用的目标追踪方法进行了分析综述, 包括相关滤波结合深度学习的 目标追踪方法、基于轻量神经网络的目标跟踪方法, 并总结了深度学习模型部署流程和无人机等领域的嵌入式目 标追踪典型应用实例, 最后对未来研究重点进行了展望. 关键词: 目标追踪; 嵌入式系统; 轻量神经网络; 相关滤波; 深度学习; 边缘AI 引用格式:  董博,陈华,龚勇.基于深度学习的嵌入式目标追踪研究进展.计算机系统应用,2023,32(1):12–28. /1003- 3254/8914.html Research Progress of Object Tracking by Deep Learning in Embedded System 1,2 1 1 DONG Bo , CHEN Hua, GONG Yong 1(China Nanhu Academy of Electronics and Information Technology, Jiaxing 314001, China) 2(Institute of Advanced Technology, University of Science and Technology of China, Hefei 230031, China) Abstract : Object tracking, a basic problem in computer vision, has a wide range of application scenarios. Due to the advance in the computational capacity of hardware and deep learning methods, conventional deep learning methods for object tracking have higher precision, but they face the problems of massive model parameters and high demand for computational resources and power consumption. In recent years, with the booming development of unmanned aerial vehicle (UAV) and Internet of Things (IoT) applications, a great deal of research focuses on ho