XiYOLO: Energy-Aware Object Detection via Iterative Architecture Search and Scaling
XiYOLO 提出了一种能耗感知的目标检测框架，该框架将迭代式神经架构搜索、两阶段能耗估计器与复合缩放相结合，以生成一系列模型，这些模型相较于 YOLO 基线模型，在异构边缘设备上实现了更优的精度与能耗权衡。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图将一套高性能相机系统安装到一架小型电池供电的无人机上。你希望无人机能清晰地看清一切（高精度），但同时也需要它能长时间飞行而不至于耗尽电池（低功耗）。
问题在于，大多数“智能”相机系统就像耗油量大且笨重的卡车：它们看得清楚，但会迅速耗尽电池。而更小的系统则像自行车：它们节省能源，但可能会遗漏重要细节或在黑暗中表现不佳。
本文介绍了XiYOLO，这是一种设计此类相机系统的新方法，使其成为无人机和机器人的“完美混合动力车”。以下是他们如何实现这一目标的简要分解：
1. 问题：“一刀切”的困境
通常，工程师必须为特定的无人机选择一款特定的相机模型。如果他们想要更大的无人机，就必须从头开始设计全新的相机。此外，仅凭发动机尺寸来猜测汽车耗油量，就像猜测相机耗电量一样：实际情况取决于发动机如何运转、汽车的重量以及路况。如果不进行实际测试，很难预测现实世界中的能耗，而这需要耗费漫长时间，并会耗尽你试图节省的电池电量。
2. 解决方案：“主蓝图”（XiYOLO）
作者没有为每一架无人机设计一款新相机，而是创建了一个主蓝图（称为“基础架构”）。这就像一顶高质量的可调节帐篷。
- 搜索过程：他们并非凭空猜测最佳设计，而是利用一种智能计算机程序（称为“神经架构搜索”）测试了帐篷的支架、面料和拉链的数千种微小变体。
- XiResOFA 模块：这是他们发明的特殊“构建模块”。想象一块可以改变形状的乐高积木。它可以厚或薄，拥有宽或窄的视野，并使用简单或复杂的镜头。计算机测试了数百万种这种乐高组合，以找到在能耗最低的同时视觉表现最佳的那一种。
3. “两阶段能量估算器”：智能猜测机器
由于他们无法在每一架真实无人机上测试每一种设计（这将耗时过长并耗尽过多电池），他们构建了一个两阶段能量预测器。
- 第一阶段（通用规则）：一个智能模型，它知道“一般来说，更大的镜头消耗更多能量”。
- 第二阶段（特定修正）：一个微小而快速的调整，指出“但在这架特定无人机上，电池的行为略有不同，所以让我们微调一下猜测”。
- 结果：这使得他们能够仅通过极少量的真实世界测试（就像只用 2 到 20 勺尝汤，而不是尝完整锅汤）就找到完美设计。
4. “复合缩放”：拉伸蓝图
一旦找到了完美的“主蓝图”，他们并未止步于此。他们使用了一种称为复合缩放的技术，从该单一蓝图创建出一整套相机系列：
- 纳米/小型：稍微拉伸蓝图，为小型无人机制造出超高效的小型相机。
- 中型：进一步拉伸，为需要看得更远的大型无人机制造相机。
- 神奇之处：由于他们是从一个完美的蓝图开始的，所有这些不同尺寸都能很好地协同工作。你不需要为每种车型重新设计发动机；只需缩放相同的高效设计即可。
5. 结果：更快、更智能、更持久
当他们在真实无人机（具体为搭载 GPU 和 NPU 芯片的 ModalAI Sentinel 无人机）上测试这些新相机时：
- 更优的视觉：在 PascalVOC 测试中，“中型”XiYOLO 相机比当前最佳模型（YOLOv12）略好地识别了物体。
- 巨大的节能效果：
- 在GPU（无人机的主脑）上，其能耗比竞争对手低20.6%。
- 在NPU（专为 AI 设计的专用芯片）上，其能耗低35.9%。
- 现实世界的影响：在长距离飞行测试中，XiYOLO 相机节省的电池电量足以让无人机飞得比旧相机显著更久。例如，在 NPU 上，新相机在整个测试过程中比最佳旧模型节省了约 165 焦耳的能量。
总结
作者不仅构建了一款更好的相机，还构建了一个设计更好相机的系统，该系统能适应不同的电池限制。他们找到了一种“金发姑娘”式的设计——既不太大也不太小，并证明通过使用智能猜测机器，你可以在不耗尽实验室电池的情况下找到这些完美设计。其结果是一系列相机，让无人机在飞得更久的同时也能看得更清晰。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。