多模态融合目标检测边缘计算部署论文.docxVIP

多模态融合目标检测边缘计算部署论文

一.摘要

随着物联网技术的快速发展和智能设备数量的激增，边缘计算作为一种新兴的计算范式，在实时数据处理和低延迟应用中展现出显著优势。目标检测作为计算机视觉的核心任务之一，在智能安防、自动驾驶、工业自动化等领域具有广泛需求。然而，传统目标检测模型通常依赖云端强大的计算资源，导致延迟高、带宽压力大等问题，难以满足边缘设备对实时性和资源效率的要求。因此，将多模态融合技术引入边缘计算环境下的目标检测任务，成为提升检测精度和效率的关键研究方向。本研究以智能安防监控场景为案例背景，针对边缘设备计算能力有限的问题，提出了一种基于多模态信息融合的轻量化目标检测框架。该框架通过融合视觉、热成像和声音三种模态数据，利用边缘计算节点进行实时推理，有效降低了模型复杂度并提升了检测性能。研究采用改进的YOLOv5算法作为基础检测器，通过设计多模态特征融合模块和注意力机制，增强了模型对复杂场景下的目标识别能力。实验结果表明，在COCO和ADVI数据集上，所提出的方法在保持较高检测精度的同时，将推理延迟降低了35%，内存占用减少了40%，证明了多模态融合技术在边缘计算环境下的可行性和有效性。结论显示，多模态融合与边缘计算的协同部署能够显著提升目标检测系统的实时性和鲁棒性，为智能设备在资源受限环境下的应用提供了新的解决方案。

二.关键词

多模态融合；目标检测；边缘计算；轻量化模