树莓派嵌入式设备在机器人视觉中的深度学习应用

Myrella A. Bordado, Á. Cardoso, R. A. P. Franco
{"title":"树莓派嵌入式设备在机器人视觉中的深度学习应用","authors":"Myrella A. Bordado, Á. Cardoso, R. A. P. Franco","doi":"10.5753/erigo.2022.227735","DOIUrl":null,"url":null,"abstract":"Devido a grande quantidade de dados que surgiram, juntamente com a evolução das Unidades de Processamento Gráfico (GPU), tornou-se possível desenvolver algoritmos com maior desempenho e acurácia, baseados em aprendizado profundo. Este trabalho realiza o treinamento do modelo YOLOv5 utilizando um conjunto de dados de visão robótica ARID, com o intuito de abordar o problema de detecção de objetos em um ambiente doméstico em conjunto com a limitação de recursos do sistema embarcado Raspberry Pi. Os resultados mostram que o modelo YOLOv5 possui alta precisão para a detecção de objetos utilizando visão robótica e possui versões que possibilitam a execução em dispositivos embarcados de baixo custo, quando comparados à dispositivos embarcados com GPU.","PeriodicalId":338913,"journal":{"name":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","volume":"26 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Aprendizado Profundo aplicado à Visão Robótica utilizando dispositivo embarcado Raspberry Pi\",\"authors\":\"Myrella A. Bordado, Á. Cardoso, R. A. P. Franco\",\"doi\":\"10.5753/erigo.2022.227735\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Devido a grande quantidade de dados que surgiram, juntamente com a evolução das Unidades de Processamento Gráfico (GPU), tornou-se possível desenvolver algoritmos com maior desempenho e acurácia, baseados em aprendizado profundo. Este trabalho realiza o treinamento do modelo YOLOv5 utilizando um conjunto de dados de visão robótica ARID, com o intuito de abordar o problema de detecção de objetos em um ambiente doméstico em conjunto com a limitação de recursos do sistema embarcado Raspberry Pi. Os resultados mostram que o modelo YOLOv5 possui alta precisão para a detecção de objetos utilizando visão robótica e possui versões que possibilitam a execução em dispositivos embarcados de baixo custo, quando comparados à dispositivos embarcados com GPU.\",\"PeriodicalId\":338913,\"journal\":{\"name\":\"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)\",\"volume\":\"26 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/erigo.2022.227735\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/erigo.2022.227735","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

由于出现了大量的数据,随着图形处理单元(GPU)的发展,基于深度学习开发具有更高性能和准确性的算法成为可能。本文利用ARID机器人视觉数据集对YOLOv5模型进行训练,以解决家庭环境中的物体检测问题,并结合嵌入式系统树莓派的资源限制。结果表明,与GPU嵌入式设备相比,YOLOv5模型在使用机器人视觉检测物体方面具有较高的精度,并且具有低成本嵌入式设备执行的版本。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Aprendizado Profundo aplicado à Visão Robótica utilizando dispositivo embarcado Raspberry Pi
Devido a grande quantidade de dados que surgiram, juntamente com a evolução das Unidades de Processamento Gráfico (GPU), tornou-se possível desenvolver algoritmos com maior desempenho e acurácia, baseados em aprendizado profundo. Este trabalho realiza o treinamento do modelo YOLOv5 utilizando um conjunto de dados de visão robótica ARID, com o intuito de abordar o problema de detecção de objetos em um ambiente doméstico em conjunto com a limitação de recursos do sistema embarcado Raspberry Pi. Os resultados mostram que o modelo YOLOv5 possui alta precisão para a detecção de objetos utilizando visão robótica e possui versões que possibilitam a execução em dispositivos embarcados de baixo custo, quando comparados à dispositivos embarcados com GPU.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信