基于树莓派的服装识别系统设计

2021-12-30江美玲

传感器与微系统 2021年1期

江美玲, 章杰

(福州大学物理与信息工程学院，福建福州 350000)

0 引言

随着人们生活水平的不断提高，人们对于服装的需求不再是传统意义上的生活必需品，服装已经成为人们生活中的一种时尚消费品。针对大部分消费者家中服装种类多、管理难度大等问题，本文采用服装识别的方法，帮助用户高效、准确地分类管理不同款式的服装。深度学习作为传统机器学习的延伸和扩展，已在众多领域得到广泛应用[1]。目前，基于深度学习的目标检测算法总体上分为两类：1)基于区域提名的R-CNN算法系列，如SPP-net[2],Fast R-CNN[3],Faster R-CNN[4]；2)无需区域提名的YOLO,SSD算法系列。如YOLOv1[5],YOLOv2[6],SSD[7]等一系列算法。虽然基于区域提名的R-CNN系列算法通过使用深度卷积网络来分类目标候选框，获得了很高的目标检测精度，但在时间和空间上的训练开销很大且检测速度不能满足实时的要求；而无需区域提名的YOLO,SSD系列算法能够满足实时的要求。其中，2016年Liu等人提出的快速高效的SSD算法结合了YOLO的回归思想以及 Faster R-CNN的Anchor机制，做到了速度与准确率并存。但SSD的基础网络使用的是VGG—16，在卷积计算上花费的时间很多。而MobileNet算法使用深度可分解卷积，可以减少卷积的计算量，而且适合在资源有限的嵌入式设备上运行，克服了VGG—16在卷积计算上花费时间多的问题又保证了算法的实时性。

本文使用SSD检测框架和MobileNet进行服装数据集的训练，并将训练得到的模型移植到树莓派上，以实现服装识别功能。