典型文献
边缘计算环境下基于深度学习的目标检测系统
文献摘要：
针对云计算模式下图像目标检测效率低的问题,设计一种适用于边缘端设备的目标检测系统.首先,该系统选取了深度学习算法中的Faster R-CNN作为目标检测识别模型,并通过残差模块对网络特征提取层进行剪裁处理.其次,利用一种具有可调锚点框的候选区域提取子网络,通过设置合理大小的卷积滑动窗口,以便更快速的获得建议区域.最后,采用树莓派开发板和因特尔神经计算棒等硬件搭建了完整的目标检测系统.在KITTI数据集上的实验结果表明,该系统取得了良好的检测效果,并在不降低目标检测精度的情况下,获得了更快的识别速度,可以满足离线工作的实时性需求.
文献关键词：
目标检测;深度学习;边缘计算;卷积神经网络;树莓派;计算棒
中图分类号：
作者姓名：
陆江东;弭博岩;郑奋
作者机构：
海军军医大学计算机与仿真技术教研室,上海200433
文献出处：
引用格式：
[1]陆江东;弭博岩;郑奋-.边缘计算环境下基于深度学习的目标检测系统)[J].自动化与仪器仪表,2022(04):85-88
A类：
因特尔
B类：
边缘计算环境,计算模式,下图,图像目标检测,检测效率,边缘端设备,统选,深度学习算法,Faster,目标检测识别,识别模型,残差模块,网络特征,层进,剪裁,裁处,锚点框,候选区域,区域提取,子网络,滑动窗口,树莓派开发板,神经计算,计算棒,硬件搭建,KITTI,检测效果,不降,检测精度,离线,性需求
AB值：
0.419476
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
