基于 Movidius 神经计算棒的物体检测研究

来源：计算机技术与发展杂志2020年第10期北京时间：

作者：张海清;张生

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。

关键词：铁钉检测;Movidius;SSD MobileNetV2;OpenVINO;UP Squared