基于改进VGG16的嵌入式图像识别系统设计
近年来深度学习的进步大大推动了物体检测的发展,其中SSD(Single Shot MultiBox Detector)方法在物体检测领域应用较多.然而传统SSD难以应用在硬件资源受限的嵌入式设备中.因此,通过分析SSD方法的基本流程和原理,采用Mo?bileNet卷积神经网络替换SSD的VGG16网络作为后续改进基准.采用不同尺度的卷积核对网络各层进行卷积特征提取,并合并各个特征图信息.实验结果表明:改进后的SSD方法能够有效地运行在树莓派上.在VOC2017数据集上的平均精度均值可达72.4％.该文提出的多维度的特征图检测方法可以有效提高网络的检测精度.
深度学习;嵌入式系统;物体检测;图像识别
18
TP391(计算技术、计算机技术)
湖南省自然科学基金面上项目2020JJ4327
2022-03-22（万方平台首次上网日期，不代表论文的发表时间）
共2页
15-16
