基于计算棒的Yolo3算法实现（嵌入式人工智能）
摘要：计算机视觉领域的发展日新月异，它推动着社会的进步。作为计算机视觉领域的重要部分，图像识别近年来受到了社会各界的广泛关注，引发了学术界对它的积极探索。 而图像识别中的目标检测技术能够运用在自动驾驶、无人机导航、图像检索等领域，这对人们的生活提供了极大的便利。而YOLO模型的提出极大地提高了目标检测任务的效率，使得我们可以在本地搭建起系统来完成实时目标检测。计算棒则实现了Yolo算法在低性能终端设备的运用。本文是基于计算棒，研究在计算棒上部署Yolo3算法的可行性，使Yolo3算法能应用到更多的终端设备中。
关键词：YOLO3；目标检测；嵌入式设备
一、文献综述
计算机视觉在生活中的运用越来越多，相应的技术也在飞速发展。在计算机视觉中，图像分类极为重要。在图像分类的基础上，又包含了各种复杂的任务，像目标检测，物体定位，和图像分割等。目标检测的算法有很多，例如Region Proposal的R-CNN算法，SSD算法等。但是这些算法都需要设备具有强大的计算能力，进而导致一些低性能、小型终端设备无法满足这么大的功耗。而近几年计算棒的发明则弥补了低性能终端设备的不足。计算棒具有强大的计算能力，让开发者在原型制作上拥有更大的灵活性，同时也能满足高计算量算法的计算需求。
(1)计算棒发展现状
计算棒是AI可以在终端设备上实现的一个标志。很多终端产品由于计算能力和功耗的制约，它很难实现深度学习。出于这种需求，计算棒应运而生。目前市面上较为人知的计算棒有Intel的第二代神经计算棒(Neural Compute Stick 2/NCS 2)和GTI Lightspeeur光矛系列“若派Ropal”神经网络计算棒。
2016年9月份Movidius公司被英特尔收购，用以发展英特尔在计算机视觉领域的事业。2017年7月20日, 英特尔在全球首次推出了Movidiu神经计算棒，这是个基于USB模式的深度学习推理工具和独立的人工智能（AI）加速器，这个机器可谓前无古人。2018年11月，Intel在北京英特尔AI Devcon大会上发布了第二代神经计算棒(Neural Compute Stick 2/NCS 2)。Movidiu神经计算棒为广泛的边缘主机设备提供专用深度神经网络处理功能。NCS2内部的核心是一个名为Movidius Myriad X VPU的芯片。Movidiu神经计算棒不需要网络或者云端连接，可以直接在本地编译、部署，实现神经网络计算加速，并可以将计算机训练模型快速转换，部署到各种终端设备上。计算棒内置的 Myriad 2 VPU 提供了强大且高效的性能，支持在 Tensorflow 和 Caffe 框架上直接运行神经网络[12]。
若派Ropal神经网络计算棒(Neural Computer Stick)是世界上继英特尔的第二款采用USB格式的AI加速器，这个计算棒能够编译并加速边缘神经网络。它主要依赖于其核心技术APiMTM（AI Processing in Memory），其能耗效率达到9.3TOPs/Watt。它采用二维矩阵处理引擎并与存算一体技术相结合，不需要使用片外存储即可实现深度学习推理应用，有效降低了其他架构中由于运算单元与存储单元之间的大量数据移动导致的高功耗，实现了真正的片上并行和原位计算，成功克服了由存储器带宽而导致的性能瓶颈，让功耗与性能同时兼顾。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
