基于改进VGG16的嵌入式图像识别系统设计  

作　　者：高晓雷 张彬[1] 王林惠 潘学文[1] 段华斌[1] 陈光辉[1] 郭宜娟 

机构地区：[1]湖南科技学院,湖南永州425199

出　　处：《电脑知识与技术》2022年第2期15-16,共2页Computer Knowledge and Technology

基　　金：2020年度湖南省自然科学基金面上项目(2020JJ4327)。

摘　　要：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MobileNet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。

关 键 词：深度学习 嵌入式系统 物体检测 图像识别 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]