基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
物体的实时检测和识别在计算机视觉领域还面临着许多挑战,尤其是在边缘计算设备上部署物体检测模型时,需要大量的内存与算力.Movidius神经计算棒是用于深度学习推理的即插即用开发套件,能为低功耗嵌入式系统视觉设备提供深度神经网络加速功能.针对低功耗设备上的物体检测领域,提出一种基于SSD MobileNetV2神经网络结构的铁钉检测系统.首先,通过数据增强操作获取足够的训练样本,基于TensorFlow迁移学习训练铁钉检测模型;然后,结合OpenVINO对模型进行优化并生成专用网络,通过神经计算棒对部署在低功耗设备上的专用网络进行加速推理,并使用Realsence D435相机获取深度图像的深度值来计算铁钉的距离.实验结果表明,基于Movidius神经计算棒能显著提升在树莓派上的物体检测性能,在UP Squared平台上能够实现实时的铁钉检测与测距.
推荐文章
CMAC(小脑模型)神经计算与神经控制
CMAC
学习算法
神经计算
神经控制
基于运动估计的运动物体检测技术研究
运动物体检测
运动估计
运动矢量
匹配误差
基于改进的PSO进化神经计算进行苹果颜色快速分级
粒子群优化算法
自适应惯性权值
神经计算
苹果颜色分级
一种基于边缘图像的快速物体检测方法
物体检测
边缘模值
边缘方向
包围盒
得分
滑动窗
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Movidius神经计算棒的物体检测研究
来源期刊 计算机技术与发展 学科 工学
关键词 铁钉检测 Movidius SSD MobileNetV2 OpenVINO UP Squared
年,卷(期) 2020,(10) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 31-36
页数 6页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1673-629X.2020.10.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张生 31 114 6.0 9.0
2 张海清 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (20)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(6)
  • 参考文献(0)
  • 二级参考文献(6)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(8)
  • 参考文献(1)
  • 二级参考文献(7)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
铁钉检测
Movidius
SSD MobileNetV2
OpenVINO
UP Squared
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导