m0_37818883的博客

摘要目标检测是一种识别目标类别及其位置的技术。它被应用于许多不同的领域，如面部检测数码相机、监视工具或自动驾驶汽车。目前，基于深度学习的目标检测方法已经取得了明显优于经典的基于特征的算法的性能。Darknet[1]是一种基于深度学习的目标检测框架，以其速度快、结构简单而著称。不幸的是，和许多其他框架一样，Darknet只支持NVIDIA CUDA[2]来加速计算。因此，用户只能选择有限的图形卡。开放运算语言™ （开放计算语言）[3]是异构系统跨平台并行编程的开放标准。它不仅可用于CPU、GPU（图形处理.

选自LinkedIn机器之心编译参与：吴攀、蒋思源、李亚洲深度学习的力量为其在真实世界的应用创造出了巨大的机会。但深度学习的训练往往需要巨大的计算能力，有时候我们却没法（或没钱）去使用强大的服务器或 NVIDIA 的 Jetson 那样的嵌入式加速平台。假如你需要使用一块树莓派开发板为你家的小院子开发一个目标跟踪器呢？换句话说，如果你需要在没有加速器的 ARM CPU 上运行一个 CNN，你该怎么做？德国 BuddyGuard GmbH 的机器学习工程师 Dmytro Prylipko 近日在 Linke