边缘计算环境下基于深度学习的目标检测系统

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。