基于边缘计算的图像语义分割应用与研究

摘要：

随着深度学习在医学影像分割、药品检测等医学领域的广泛应用,语义分割技术承载了举足轻重的地位.语义分割融合了目标检测和图像识别两大技术,旨在将图像分割成多组具有特定语义的区域,属于像素级别的密集分类问题.然而为了推动移动视觉识别技术的有效发展,传统深度学习模型在功耗、内存管理、实时性等方面都无法满足移动设备的要求.边缘计算是一种有效将计算、网络、存储、带宽等能力从主机端延伸到移动边缘端的新型架构模式,从而实现在有限计算资源环境下的模型推理运行.因此,文中尝试在基于边缘TPU协处理器的开发板上完成FCN,SegNet,U-Net等经典图像语义分割模型的转换、部署及推理运行,并在采集的真实药品数据集上验证提出的语义分割模型的正确性及性能.

关键词：深度学习、语义分割、边缘计算、边缘TPU

所属期刊栏目：47

分类号：TP181(自动化基础理论)

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：276-280