论文部分内容阅读
目前随着深度学习技术的不断发展,越来越多的智能化应用应运而生,用于训练和演算的硬件设备通常以GPU为主,在实际部署和使用过程中会产生较高硬件采购成本和用电成本.因此针对现有深度学习系统中成本与算法可用性的平衡问题,本文提出以树莓派与Movidius神经元计算棒为计算平台,通过改进的SSD+MobileNet算法实现对车辆目标进行识别和检测,并在实际环境中对训练的模型进行测试和调优,最终达到满足实际使用的效果,处理速度为平均每秒4帧.通过实验结果表明,在树莓派这样计算能力较弱的平台上,可以通过类似于M