摘要
合成孔径雷达(SyntheticApertureRadar,SAR）是一种主动式有源微波遥感雷达，通过发射和接收电磁波的方式来获取地面信息，由于其工作不受天气、遮挡物等因素影响，如今已经成为了一种应用十分广泛的卫星对地观测手段。为了提高星载图像处理系统的即时性，本课题摒弃了传统的星载卫星图像处理系统下传图像数据、回传处理策略的信息处理模式，将边缘计算理念引入星载SAR目标识别系统中，采用边缘设备将图像处理能力从地面数据处理中心延伸到星上移动边缘端，减少因数据传输而造成的时延并提升整个系统链路的时效性。 鉴于星上环境资源有限等问题，本课题针对如何在资源受限环境下完成SAR图像目标识别任务展开研究。研究方向主要分为两个方面，一方面是基于ASIC芯片边缘环境，设计了基于网络剪枝和知识蒸馏的识别网络模型轻量化方法，实现了分类精度无损的网络压缩与模型运行；另一方面是基于嵌入式GPU芯片边缘环境，设计了一种多层次剪枝和改进蒸馏的SAR目标检测网络轻量化方法，实现了检测精度无损下的网络压缩和部署。 在基于ASIC芯片边缘环境识别网络轻量化设计过程中，本文采用分层通道剪枝策略，针对网络每层单独设置剪枝率来进行滤波器通道剪枝，减少网络模型冗余单元减少识别算法计算量与模型体积。为保证识别网络的识别高精准度，本文采用了知识蒸馏的方法对轻量化剪枝后的网络进行引导训练来恢复识别精度，最终实现无损压缩并在比特大陆相应边缘设备SE3上进行了实际数据实验，验证了方法的有效性。 在基于嵌入式GPU芯片边缘环境中，从网络层与网络通道两个维度来对目标检测网络进行多层次剪枝，大幅度降低了检测模型的参数量与计算量。通过约束知识蒸馏软标签应用范围来使软标签更好地应用于轻量化后的网络精度恢复过程中，提升轻量化模型精度恢复。在检测网络部署流程中，本文采用TensorRT来对检测网络进行部署优化，通过采用单精度浮点和整型计算代替双精度浮点进行模型推理计算，最大程度激发硬件计算潜力，降低模型推理运算时间，提升系统即时性，并以NVIDIAJestonAGXXavier作为硬件平台进行系统搭建部署以实际数据验证了方法的有效性。
NETL