面向嵌入式系统的图像实时去雾方法

近些年来,深度学习方法快速兴起,卷积神经网络技术被应用于图像去雾领域,去雾效果得到了进一步提升.但也面临着计算量大,无法在嵌入式设备中达到实时性的问题.为增强嵌入式设备的去雾效率,通过优化网络结构和剪枝算法压缩网络模型,设计出一种面向嵌入式系统的图像实时去雾网络,最后将模型部署在嵌入式系统中.实验结果表明,该方法在不降低去雾效果的前提下,模型大小压缩83％,处理速度提高70％,达到40帧/s,在嵌入式系统中实现了实时去雾.与目标检测网络YOLO-FASTEST联调,在雾天情况下的平均检测精度提高近3％,检测速度达到近5帧/s.