-
轻量化语义分割网络：U-Net、DeepLabV3+在嵌入式平台的实时性优化
自动驾驶、工业检测等嵌入式应用中，语义分割技术需在有限算力下实现高精度实时推理。传统模型如ResNet-DeepLabV3+虽精度优异，但参数量庞大(ResNet-101达44.5M)，难以满足嵌入式设备的实时性要求。本文聚焦U-Net与DeepLabV3+的轻量化改造，通过架构优化与工程实现，在树莓派4B(ARM Cortex-A72，4GB RAM)上实现1080p图像的25FPS实时分割。
自动驾驶、工业检测等嵌入式应用中，语义分割技术需在有限算力下实现高精度实时推理。传统模型如ResNet-DeepLabV3+虽精度优异，但参数量庞大(ResNet-101达44.5M)，难以满足嵌入式设备的实时性要求。本文聚焦U-Net与DeepLabV3+的轻量化改造，通过架构优化与工程实现，在树莓派4B(ARM Cortex-A72，4GB RAM)上实现1080p图像的25FPS实时分割。
