王 彬，高嘉平，司耸涛

（中科芯集成电路有限公司，江苏无锡 214072)

1 引言

近年来，深度学习在图像检测方面被广泛应用，但现有的图像检测都是对特定识别目标的各种状态图像进行大量的深度学习模型训练，该模型通用性不强[1-2]，若更换检测目标，需要进行新的模型训练，不仅费时费力，同时上述过程需要对深度学习有一定的了解，这也增加了模型的使用门槛[3-5]。因此本研究将深度学习在图像检测的过程进行简化，只需简单记录目标状态就能使模型微调成该目标的检测模型。首先利用深度学习对图像进行分类[6]，使用网上图像分类的数据库对网络进行训练，再运用检测目标少量的各种状态目标的数据集去微调生成迁移学习模型，模型就可以对目标进行检测。迁移学习模型可以在原有模型的误差和精确度不变的情况下[7]实现对现有目标的检测，同时目标数据集微调生成学习迁移模型的过程可通过前期软件编程完成，简化采集数据集和训练模型的复杂程度。

本文运用该方法设计一个报警系统，该报警系统只需要通过相机采集目标各种状态的图像就能对目标进行检测，极大地简化了深度学习在目标检测中的应用，同时更换检测目标也较为方便。系统的硬件部分由相机、CNN加速芯片和嵌入式系统组成。为了满足系统在实际应用场景中的稳定性和准确率，本研究先在Imagenet数据集训练生成预训练模型，然后根据实际需求制作了新的数据集，即通过记录检测目标的不同应用场景中的各个状态生成数据集，然后用生成的数据集去微调已经训练过的图像分类模型，生成新的针对该目标的图像分类模型。……