树莓派应用--AI项目实战篇来啦-15.SSD Mobilenet V3目标检测

本文链接：https://blog.csdn.net/weixin_44845743/article/details/142830197

1. Mobilenet 介绍

Mobilenet 是一种专为移动和嵌入式视觉应用而设计的卷积神经网络。它们不使用标准的卷积层，而是基于使用深度可分离卷积的简化架构，使用这种架构，我们可以为移动和嵌入式设备（例如：树莓派）构建低延迟的轻量级深度神经网络。

2. SSD运动目标检测算法介绍

SSD（single Shot Multi Box Detection）是一种针对多种类别的单次深度神经网络，同时集中了 YOLO 的回归思想和 Faster RCNN 算法的 Anchor 机制，从一个层面来说，采用回归思想可以降低检测过程中卷积计算的复杂度，使得算法时效性整体提高，从另一层面来说，采用 Anchors机制能够提取不同宽、高比例的特征，提高算法的鲁棒性，在识别方面，该算法比YOLO 算法在对某一位置进行全局特征提取时效果更好，因此，SSD 算法的核心思想是基于小卷积滤波器来预测目标，并生成一组固定的默认边界框，并给出类别得分和偏移，这样设计的好处在于，当检测不规则大小形状的物体时鲁棒性增强。

SSD （Single Shot MultiBox Detector）是一种流行的物体检测算法。SSD 通过消除对区域生成网络的需求来加速该过程。为了防止精度下降，SSD采用了包括多尺度功能和默认框在内的一些改进方法。这些改进使 SSD 能够以较低分辨率的图像匹配更快的R-CNN精度，从而进一步提高检测速度。带有MobileNet的SSD是一种针对移动设备推理进行了优化的对象检测模型。
&n