基于计算棒推理特性的目标检测技术研究
发布时间：2021-08-25 17:00
神经网络是人工智能（AI）领域中使用非常广泛的一种深度学习算法,由于在网络训练和推理过程中通常需要大量的运算,故运算通常由具有强大计算性能的GPU服务器完成。然而,嵌入式设备通常计算能力有限,这严重影响了AI在嵌入式系统的应用,而计算棒的出现,为嵌入式设备中应用AI技术提供了一种实现途径。本文以智能机器人目标检测需求为背景,围绕基于深度学习的目标检测算法在Intel二代神经网络计算棒实现为目标,做了以下三个方面的工作,具体如下:首先,以浙江省创新机器人比赛为背景,完成了比赛场景的目标检测数据集IRC3的制作,并利用YOLOv3网络进行了训练和测试,实验表明:YOLOv3网络在IRC3数据集上的平均测试准确率为98%,能够较好地检测出IRC3数据集中的苹果、木块和啤酒罐三类物体,满足预期需求。其次,完成了卷积神经网络的卷积层数和浮点计算量两个关键因素影响Intel二代神经网络计算棒性能（推理时间）的实验测试,结果表明:卷积网络的浮点计算量与计算棒所需推理时间接近于线性正比关系且增长幅度较大,其影响较大;卷积网络层数与计算棒所需推理时间接近于分段正比关系且增长幅度较小,其影响较小。最后,根...
【文章来源】：杭州师范大学浙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图2-1两代计算棒性能比较1如图2-1所示，NCS2性能比一代神经计算棒有很大提升，其中，在分类问题上性能提高约为5倍，检测问题上提高约为4倍
杭州师范大学硕士学位论文相关理论和研究综述14图2-2感知机模型根据图2-2，感知机模型可由公式2.1表示。=(11+22+33)(2.1)其中，表示感知机的输入，表示输入层到输出层的连接权重，神经元的每个输入往往会乘以一个权重，用来表示每个输入对神经元的重要程度。表示偏置，神经元的输入在乘以权重之后通常会加上一个偏置项，用来表示线性模型的常数项。感知机由于神经单元少，学习能力有限，一般只能解决一些简单的线性分类问题，对非线性问题的处理效果很差。因此，后来就出现了多层感知机模型，并把这种多层感知机模型叫做神经网络（NeuralNetwork，NN）。神经网络是在感知机的基础上增加了隐藏层，每层网络的输出结果会经过一个激活函数，通过激活函数增加网络的非线性。如图2-3为前馈神经网络结构图。传统的神经网络主要包括三层神经元，分别为输入层、隐藏层和输出层。层与层之间通过权重矩阵相连接，最终训练结果通过输出层输出。图2-3传统前馈神经网络的结构图
杭州师范大学硕士学位论文相关理论和研究综述14图2-2感知机模型根据图2-2，感知机模型可由公式2.1表示。=(11+22+33)(2.1)其中，表示感知机的输入，表示输入层到输出层的连接权重，神经元的每个输入往往会乘以一个权重，用来表示每个输入对神经元的重要程度。表示偏置，神经元的输入在乘以权重之后通常会加上一个偏置项，用来表示线性模型的常数项。感知机由于神经单元少，学习能力有限，一般只能解决一些简单的线性分类问题，对非线性问题的处理效果很差。因此，后来就出现了多层感知机模型，并把这种多层感知机模型叫做神经网络（NeuralNetwork，NN）。神经网络是在感知机的基础上增加了隐藏层，每层网络的输出结果会经过一个激活函数，通过激活函数增加网络的非线性。如图2-3为前馈神经网络结构图。传统的神经网络主要包括三层神经元，分别为输入层、隐藏层和输出层。层与层之间通过权重矩阵相连接，最终训练结果通过输出层输出。图2-3传统前馈神经网络的结构图
【参考文献】：
期刊论文
[1]基于改进的Faster R-CNN高压线缆目标检测方法[J]. 刘召,张黎明,耿美晓,么军,张金禄,胡益菲. 智能系统学报. 2019(04)
[2]基于Movidius神经计算棒的行人检测方法[J]. 张洋硕,苗壮,王家宝,李阳. 计算机应用. 2019(08)
[3]基于改进Mask RCNN和Kinect的服务机器人物品识别系统[J]. 石杰,周亚丽,张奇志. 仪器仪表学报. 2019(04)
[4]基于YOLO模型的柔索并联机器人移动构件快速定位方法[J]. 訾斌,尹泽强,李永昌,赵涛. 机械工程学报. 2019(03)
[5]基于改进特征金字塔的Mask R-CNN目标检测方法[J]. 任之俊,蔺素珍,李大威,王丽芳,左健宏. 激光与光电子学进展. 2019(04)
[6]英特尔OpenVINO工具包为创新智能视觉提供更多可能[J]. 中国信息化. 2018(08)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[8]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
硕士论文
[1]基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究[D]. 秦雁飞.北京交通大学 2019
[2]基于卷积神经网络框架的室内物体目标检测和姿态估计[D]. 方鹏飞.杭州师范大学 2019
本文编号：3362509
【文章来源】：杭州师范大学浙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图2-1两代计算棒性能比较1如图2-1所示，NCS2性能比一代神经计算棒有很大提升，其中，在分类问题上性能提高约为5倍，检测问题上提高约为4倍
杭州师范大学硕士学位论文相关理论和研究综述14图2-2感知机模型根据图2-2，感知机模型可由公式2.1表示。=(11+22+33)(2.1)其中，表示感知机的输入，表示输入层到输出层的连接权重，神经元的每个输入往往会乘以一个权重，用来表示每个输入对神经元的重要程度。表示偏置，神经元的输入在乘以权重之后通常会加上一个偏置项，用来表示线性模型的常数项。感知机由于神经单元少，学习能力有限，一般只能解决一些简单的线性分类问题，对非线性问题的处理效果很差。因此，后来就出现了多层感知机模型，并把这种多层感知机模型叫做神经网络（NeuralNetwork，NN）。神经网络是在感知机的基础上增加了隐藏层，每层网络的输出结果会经过一个激活函数，通过激活函数增加网络的非线性。如图2-3为前馈神经网络结构图。传统的神经网络主要包括三层神经元，分别为输入层、隐藏层和输出层。层与层之间通过权重矩阵相连接，最终训练结果通过输出层输出。图2-3传统前馈神经网络的结构图
杭州师范大学硕士学位论文相关理论和研究综述14图2-2感知机模型根据图2-2，感知机模型可由公式2.1表示。=(11+22+33)(2.1)其中，表示感知机的输入，表示输入层到输出层的连接权重，神经元的每个输入往往会乘以一个权重，用来表示每个输入对神经元的重要程度。表示偏置，神经元的输入在乘以权重之后通常会加上一个偏置项，用来表示线性模型的常数项。感知机由于神经单元少，学习能力有限，一般只能解决一些简单的线性分类问题，对非线性问题的处理效果很差。因此，后来就出现了多层感知机模型，并把这种多层感知机模型叫做神经网络（NeuralNetwork，NN）。神经网络是在感知机的基础上增加了隐藏层，每层网络的输出结果会经过一个激活函数，通过激活函数增加网络的非线性。如图2-3为前馈神经网络结构图。传统的神经网络主要包括三层神经元，分别为输入层、隐藏层和输出层。层与层之间通过权重矩阵相连接，最终训练结果通过输出层输出。图2-3传统前馈神经网络的结构图
【参考文献】：
期刊论文
[1]基于改进的Faster R-CNN高压线缆目标检测方法[J]. 刘召,张黎明,耿美晓,么军,张金禄,胡益菲. 智能系统学报. 2019(04)
[2]基于Movidius神经计算棒的行人检测方法[J]. 张洋硕,苗壮,王家宝,李阳. 计算机应用. 2019(08)
[3]基于改进Mask RCNN和Kinect的服务机器人物品识别系统[J]. 石杰,周亚丽,张奇志. 仪器仪表学报. 2019(04)
[4]基于YOLO模型的柔索并联机器人移动构件快速定位方法[J]. 訾斌,尹泽强,李永昌,赵涛. 机械工程学报. 2019(03)
[5]基于改进特征金字塔的Mask R-CNN目标检测方法[J]. 任之俊,蔺素珍,李大威,王丽芳,左健宏. 激光与光电子学进展. 2019(04)
[6]英特尔OpenVINO工具包为创新智能视觉提供更多可能[J]. 中国信息化. 2018(08)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[8]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
硕士论文
[1]基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究[D]. 秦雁飞.北京交通大学 2019
[2]基于卷积神经网络框架的室内物体目标检测和姿态估计[D]. 方鹏飞.杭州师范大学 2019
本文编号：3362509
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3362509.html
最近更新
教材专著
