項(xiàng)目編號(hào)：E42

文件大?。?3M

源碼說明：帶中文注釋

開發(fā)環(huán)境：Python

簡(jiǎn)要概述：

樹莓派zero圖像分類與目標(biāo)檢測(cè)是深度學(xué)習(xí)的研究項(xiàng)目，旨在通過深度學(xué)習(xí)算法，實(shí)現(xiàn)樹莓派的實(shí)時(shí)識(shí)別與分類。

在樹莓派上運(yùn)行深度學(xué)習(xí)主要分為以下幾個(gè)步驟：

• 首先是數(shù)據(jù)的獲取及預(yù)處理，圖像分類與目標(biāo)檢測(cè)需要大量干凈且高質(zhì)量的圖片數(shù)據(jù)進(jìn)行訓(xùn)練，我們需要通過不同方式，盡可能多的獲取到相關(guān)的圖片數(shù)據(jù)，并處理為深度學(xué)習(xí)可用的形式。

• 接下來先實(shí)現(xiàn)圖像分類，根據(jù)深度學(xué)習(xí)領(lǐng)域存在的相關(guān)模型，選擇適合于樹莓派上運(yùn)行的深度學(xué)習(xí)模型。通過Tensorflow2搭建深度學(xué)習(xí)框架，通過對(duì)模型參數(shù)不斷調(diào)整，訓(xùn)練出正確率高且能快速運(yùn)行的模型。通過對(duì)模型的不斷改進(jìn)，在保持模型正確率的同時(shí)，減小模型的大小。

• 目標(biāo)檢測(cè)模型也是一個(gè)側(cè)重點(diǎn)，我們選擇輕量級(jí)的深度學(xué)習(xí)模型，并使用Tensorflow2 Object Detection進(jìn)行模型的訓(xùn)練，能夠進(jìn)行水果和花卉物體的準(zhǔn)確檢測(cè)，做到一張圖片中正確識(shí)別多個(gè)不同物體的位置與種類。

• 最后是圖像分類模型與目標(biāo)檢測(cè)模型分別的部署，將訓(xùn)練好的模型部署到樹莓派中，并利用攝像頭實(shí)時(shí)對(duì)數(shù)據(jù)進(jìn)行處理，做到圖片的實(shí)時(shí)檢測(cè)。

文件列表：