پیاده سازی و مقایسه تشخیص شی ء روی برد رزبری پای با الگوریتمهای تک مرحله ای

امروزه پردازش تصویر و بینایی ماشین بطور گسترده در طراحی مسیر و اجتناب از موانع رباتها مورد استفاده قرار می گیرد. هدف از این مقاله پیاده سازی و مقایسه مدلهای تشخیص شی ء معتبر جهانی ، روی دستگاه های لبه مانند برد رزبری پای ۱ و گوشی همراه است که برای توسعه رباتهای ارزان قیمت ضروری است . در این مقاله مدل های مطرح از دو الگوریتم تک مرحله ای تشخیص شی ء یعنی «SSD»۲ و «YOLO»۳ بررسی و مقایسه شده اند. این مدل ها ابتدا با کتابخانه Tensorflow lite به مدل های سبک تر تبدیل شده و سپس روی برد رزبری پای پیاده سازی شدند. سپس مقایسه بین سرعت و دقت مدلها بر اساس معیار میانگین (IOU=۰.۵:۰.۹۵) با استفاده از زیر مجموعه ای متشکل از ۱۰۰ تصویر از مجموعه داده ی استاندارد COCO انجام شده است . نتایج نشان می دهد از بین مدلهای مورد مطالعه ، مدل Yolo-v۴-tiny-۴۱۶ بیشترین دقت و مدل SSD-mobilenet-v۱ بیشترین سرعت را روی زیر مجموعه ی مذکور دارند.

Keywords:

بینایی ماشین , تشخیص اشیاء , برد رزبری پای , YOLO , SSD