基于MPSoC的轻量化汽车检测系统及硬件加速平台设计与优化

针对车辆分类检测在精度和实时性方面存在的挑战,提出了一项改进方案,以优化YOLOv5s模型,旨在实现轻量化的汽车检测。通过在MPSoC硬件架构的现场可编程门阵列(FPGA)上设计系统,成功打造了一个具备高精度、快速检测和低能耗的解决方案。为了使得模型更适合嵌入式设备部署,采用了MobileNetv3 Small替代YOLOv5s的主干网络,并引入卷积块注意力模块(CBAM)注意力机制和Inner-IoU Loss优化方法,使模型在轻量化的同时提升了检测精度和速度。改进后的模型相较于原始Yolov5s模型,平均精度均值(mAP)提升了14.8%,参数量减少了49.7%,模型体积减小了40.7%,计算量减少了48.9%,在NVIDIA 3060上,改进后的检测速度提升了48.8%,达到了82 fps。此外,还利用FPGA对YOLOv5s进行了硬件加速。经过优化的系统达到了45 fps的检测帧率,并保持了较高的精度和速度,这一系统易于部署,适用于智能交通系统,满足其高效实时监测的需求。