一种基于 Googlenet 与迁移学习实现快速可扩展二值神经网络推理的框架

在深度学习的助力下，视频与图像分析中高效且准确的目标检测成为计算机视觉系统进步的主要受益者之一。借助深度学习，更强大的工具得以演化，能够学习高层与深层特征，从而克服传统目标检测算法架构中的现存问题。本论文工作旨在以良好实时性能实现高准确率目标检测。计算机视觉领域大量研究致力于通过改进现有算法来检测与处理视觉信息。二值神经网络（binarized neural network）在图像分类、目标检测与语义分割等多种视觉任务中表现出高性能。我们使用了修改后的美国国家标准与技术研究院数据库（MNIST）、加拿大高等研究院（CIFAR）与街景门牌号（SVHN）数据集，其通过预训练的深度为 22 层的卷积神经网络（CNN）实现。工作中采用监督学习，以恰当模型结构对特定数据集分类。在静态图像中，为提升准确率使用了 Googlenet。将 Googlenet 最后一层替换为迁移学习以提升其准确率。同时，运动图像中的准确率可通过迁移学习技术维持。硬件是任何模型在海量数据集下快速获得结果的主要支撑。此处使用了 Nvidia Jetson Nano 这一图形处理单元（GPU），可在目标检测过程中处理大量计算。结果显示，与现有方法相比，迁移学习方法检测目标的准确率更高。