轻量化卷积模型在嵌入式系统中的应用OA

随着人工智能技术快速向前发展,卷积神经网络在计算机视觉领域取得显著成果,然而传统深度学习模型因参数量大、计算复杂度高,难以直接部署在资源受限的嵌入式设备上。轻量化卷积模型借助模型压缩、网络剪枝、知识蒸馏等技术,有效降低模型复杂度,让其能够在嵌入式平台实现高效运行。以河道巡检无人机视觉检测系统当作研究对象,探讨YOLO11轻量化架构在嵌入式系统中的部署方法,并且结合卡尔曼滤波算法实现多目标跟踪功能。实验结果显示,该系统在保证检测精度的前提下显著降低计算资源消耗,满足实时性要求,为轻量化卷积模型在嵌入式系统中的工程应用提供有效技术方案。