为了解决传统前端行人检测算法准确率低以及鲁棒性差的问题,提出将前端嵌入式设备与人工智能芯片搭载的轻量级神经网络相结合的方法,以实现在前端嵌入式设备中完成更加准确、稳定的行人检测。针对前端嵌入式设备性能不足的问题,提出一种轻量级卷积神经网络模型,通过对网络框架的重新设计以及使用聚类分析重新定义候选框尺寸的方法,大大减少网络权重以及计算量。实验结果表明:该方法相较于传统行人检测方法有着更高的检测精度,并在嵌入式行人检测加速方面具有显著效果,可达到每幅图片62 ms的检测速度。
科研之友
微信
新浪微博
Facebook
分享链接
