这系列课程为嵌入式AI七节课系列,包括边缘智能,AI应用开发,人脸识别,多目标检测,语音识别等。之前系列分别介绍了边缘智能开发方法与实践,AI小白如何快速开发一款AI初级应用,OpenCV嵌入式图像处理实战 ,人脸识别模型训练与部署和人脸识别系统应用实战。本文为嵌入式AI第六课,由OPEN AI LAB计算机视觉专家王昊带来多目标分类检测系统实战。
课程简介
- 目标检测总流程
- 目标检测算法(RFB+priors+regression)
- PyTorch实现
- 测段部署
适用人群
对边缘嵌入式设备与目标检测结合感兴趣的开发从业者,学生,老师及爱好者。
视频回放
回放链接:https://aijishu.com/l/1110000000104332
PPT精选及下载
文末附件即可下载。
精选问答
1.Tengine是如何使用arm的GPU进行加速的,这个原理能详细说明一下吗?
答:Tengine是通过调用Arm Compute Library(ACL)进行GPU加速的,具体可以参考Tengine使用教程的调用GPU部分https://github.com/OAID/Tengine/wiki/Tengine使用教程
2.实战中为什么要把tx ty tw th这四个变量做数学变换啊?是为了训练中的参数调整吗?
答:因为我们只对prior和ground truth非常接近的prior做回归,如果不做数学变换,直接做回归,检测结果效果会比较差。具体可以参考如下链接:https://www.cnblogs.com/kk17/p/9695446.html
3.多目标分类检测系统实战中,8 11 13和extra的prior是怎么结合的 直接contact吗?
答:这些priors本身并不是输出的结果,并没有结合起来。如果我们对每一层有输出的比如regression和classification,这些结果我们可以和合并起来,priors只是中间的计算过程,它的目的是用来计算边框回归,没有拼接。
4.为什么SSD目标检测算法对小目标检测的效果不好,SSD目标检测算法集成tengine里面吗?
答:SSD目标检测算法对小目标检测的效果应该算是比较好的,理论上YOLO这种算法对小目标检测效果可能不是太好。像YOLO、FasterRCNN这些算法,它只在最后一层做anchor的话,它没有多尺度的特征,对尺度变化不敏感,而SSD是对小目标检测效果比较好的算法。
下一节课将由OPEN AI LAB语音组技术专家李荻介绍命令词识别在EAIDK的应用实战。
文件名 | 大小 | 下载次数 | 操作 |
---|---|---|---|
【极术公开课】嵌入式AI第六课目标检测.pdf | 2.53MB | 58 | 下载 |
detect.tar.gz | 2MB | 41 | 下载 |
rfb.tar.gz | 247.37MB | 38 | 下载 |