一种基于嵌入式平台的轻量化目标检测识别方法

针对在嵌入式平台上采用深度学习目标检测识别模型很难在精度和速度之间保持平衡的问题,提出一种基于深度可分离卷积块和反向特征融合结构的方法对YOLOv3模型进行改进,并通过基于距离的非极大抑制和损失函数的设计(DIoU-NMS和DIoU-Loss),最终实现在快速目标检测的同时提升了检测准确率.实验结果表明,在VOC2007+2012数据集上,实时性满足79FPS的同时mAP可达到80.22％,并在Jetson AGX Xavier嵌入式平台进行了测试.     

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.