【论文解读】EdgeYOLO：一种边缘实时目标检测器（附论文地址）

论文地址：https://arxiv.org/pdf/2302.07483

这篇文章的标题是《EdgeYOLO: An Edge-Real-Time Object Detector》，由中国北京理工大学的Shihan Liu、Junlin Zha、Jian Sun、Zhuo Li和Gang Wang共同撰写。这篇论文提出了一个基于最新YOLO框架的高效、低复杂度且无锚点的目标检测器，能够在边缘计算平台上实时实现。以下是对论文内容的解读：

研究背景与动机

1. 计算硬件性能提升：随着计算硬件性能的不断提升，基于深度神经网络的计算机视觉技术在过去十年中迅速发展，目标检测作为自主智能系统中的一个重要元素，对于实现自动化和智能化至关重要。

2. 目标检测策略的演进：目标检测领域存在两种主流策略，即两阶段策略（如R-CNN系列）和一阶段策略（如YOLO框架）。两阶段策略虽然在精度上略胜一筹，但无法满足实时性要求，特别是在传统计算设备上。相比之下，一阶段策略在实时性和性能之间取得了平衡，因此受到了研究者更多的关注。

3. 边缘计算的兴起：边缘计算允许在数据源附近进行数据处理，减少了数据传输延迟，对于需要快速响应的应用场景（如自动驾驶、无人机监控等）具有重要意义。然而，现有的先进模型在边缘计算设备上通常运行帧率（FPS）