今天我们将讨论如何建立一个简单、便宜的移动目标探测器。
这项研究的目的是确定在一个便宜的移动设备上的对象检测模型是否可以用于现实世界的任务。
作为一个移动平台,我们使用的是树莓派3B。树莓派是一款售价35美元的单板机,这意味着微处理器、内存、无线收音机和端口都在一块电路板上。它是一台Linux计算机,所以从技术上讲,它可以做Linux计算机能做的一切事情,比如运行电子邮件和网络服务器,充当网络存储,或者用于对象检测。与大多数具有内置硬盘或SSD存储选项的计算机不同,树莓派的操作系统安装在microSD卡上,而microSD卡是存放所有文件的地方,因为这块板不包含任何内置存储(不过,你可以添加USB硬盘驱动器)。通过交换microSD卡,这种结构可以方便地扩展存储空间并在不同操作系统之间切换。
(图)树莓派3
作为目标探测器的硬件部分,我们使用了树莓派3B和树莓派助学金V2。我们需要安装Raspbian Stretch 9,因为在运行Raspbian 9时,TensorFlow 1.9正式支持树莓派。我们还需要一个至少16GB内存的microSD卡,因为构建OpenCV可能是一个非常消耗内存的过程。
(图)树莓派及照相机模块V2
目标检测模型
针对本实验,我们选择了以下型号:小型YOLO和SSD MobileNet lite。
YOLO(You Only Look Once)是在Darknet上实现的最先进的实时物体检测系统。先前的检测系统是重新利用分类器或定位器来执行检测的,而这些检测系统将模型应用于多位置和规模的图像。图像的高评分区域被视为检测结果。与基于分类器的系统相比,该模型具备几大优点。这个模型在测试时查看整个图像,因此它的预测是通过图像中的全局背景来实现的。