Details

Данная работа посвящена исследованию современных архитектур нейронных сетей для решения задачи обнаружения объектов в реальном времени на изображении с камеры при помощи нейронных сетей. В ходе исследования был проведен сравнительный анализ методов оптимизации нейронных сетей для запуска на встраиваемых системах. На базе существующих методов обучена и оптимизирована нейронная сеть с архитектурой SSD MobileNet. Создана система отслеживания положения человека в кадре и продемонстрирована её работа на микрокомпьютере Raspberry Pi 4 Model B 4 Gb. Полученные модель сравнивается на предмет сложности интеграции, скорости работы (количество кадров в секунду), вычислительных мощностей, необходимых для их работы. В разработке приложения использовались компоненты библиотеки TensorFlow Lite.

This paper is devoted to the study of modern neural network architectures for solving the problem of detecting objects in real time in the image from a camera using neural networks. A comparative review of methods for optimizing neural networks for embedded systems was carried out as part of the research. Based on existing methods, a neural network with SSD MobileNet architecture was trained and optimized. A system for tracking the position of a person in the frame has been created and its work has been demonstrated on a Raspberry Pi 4 Model B 4GB microcomputer. The resulting model is compared for the complexity of integration, speed of work (number of frames per second), computing power required for their work. In the development of the application, the components of the TensorFlow Lite library were used.