边缘设备上的实时AI人员检测：选择深度学习模型

• 下载数据-19.3 MB
• 下载模型-43.5 MB
• 下载结果-36.66 MB

在本系列的介绍性文章中，我们讨论了为边缘设备创建DL人员检测器的简单方法，该方法是找到合适的DNN模型并编写代码以在设备上启动它。在本文中，我们将讨论现有DNN方法的利弊，并选择一个经过预训练的模型以进行进一步的实验。

我们已经提到了三种用于图像中对象检测的现代DL技术： Faster-RCNN，单发检测器（SSD）和只看一次（YOLO）。为了选择最适合我们特定目的的技术，我们应该考虑每种技术的优缺点。

Faster-RCNN使用卷积神经网络以及“区域建议(Region-Proposal)”块和完全连接（FC）层。CNN是网络的第一块；它的工作是从图像中提取特征。接下来的块——区域建议网络——负责建议可能的对象位置的兴趣区域（ROI）。最后一个块——FC层——用于边界框（BB）回归和每个框的对象分类。这是Faster-RCNN算法的简单方案：

SSD方法类似于 Faster-RCNN。在CNN特征提取器之后，它包含一个Multi-Box检测器，该检测器允许在单个前向传递中进行边界框检测和对象分类。这就是为什么它被认为比Faster-RCNN更快。

YOLO技术是基于暗网(Darknet)框架。它无需在不同的位置和比例上扫描图像，而是将整个图像划分为一个单元格网格并分析每个单元格，从而对每个单元格属于某个类别的概率进行评分。这使得YOLO算法非常快。

仅考虑速度将使YOLO成为显而易见的选择。但是在做出决定之前，还有一件事要考虑——算法精度。用于对象检测的精度概念比用于对象分类的精度概念更为复杂。在这里，我们不仅必须评估分类误差，还必须评估对象边界框位置的误差。

物体检测的主要精确度是“交集相交”（IoU）——地面真值与检测到的边界盒的交点和并集比。因为我们可以找到许多类别来定位和分类，所以均值平均精度（mAP）用于计算整个数据集的精度。通常针对IoU = 0.5评估mAP值，并将其表示为“mAP@0.5”。

我们不会深入探讨物体检测精度的测量理论。我们仅以mAP@0.5来比较三种竞争的DL方法：该值越高，模型越精确。

在Internet上搜索各种Faster-RCNN，SSD和YOLO模型的精度值——您会发现很多截然不同的结果。这是因为每种检测方法都有许多预训练的DNN模型。例如，SSD技术可以使用不同的CNN模型进行特征提取，并且可以使用不同的数据集训练这些模型中的每一个：ImageNet，COCO，VOC等。

与所有现有模型的精度指标进行完整比较并不是我们的目标。我们使用相同的数据集对这三种方法进行了测试，结果表明，使用Faster-RCNN方法可以获得最佳的精度，使用SSD模型可以达到较低的精度，而使用YOLO网络则可以达到最低的精度。

看来，物体检测方法越快，其提供的精度就越低。因此，我们选择快乐的介质——SSD模型，该模型可以提供足够的速度和足够的精度。

接下来，我们寻找一种现成的SSD模型，该模型应为：

1. 足够小，可以在有限的计算资源上在Raspberry Pi上运行
2. 经过训练可以检测人（模型也可以检测其他类别的对象——但其人为检测准确性对我们正在创建的应用程序很重要）

我们找到了两种合适的SSD型号。第一个基于MobileNet CNN，第二个使用预训练的SqueezeNet作为特征提取器。两种模型都使用COCO数据集进行了训练，并且可以检测二十种不同类别的物体，包括人、汽车、狗和其他物体。每个型号的大小约为20 MB，与用于高性能处理器的型号的普通大小200-500 MB相比非常小。因此，这两个看起来像是实现我们目的的正确选择。

下一步

在接下来的文章中，我们将展示Python代码用于启动这些模型和图像中检测人类。