深度学习实时检测学习

一、TPU-MobilenetSSD

参考链接：

https://github.com/PINTO0309/TPU-MobilenetSSD

LattePanda Alpha Core m3 + USB 3.0 + Google Edge TPU Accelerator + MobileNet-SSD v2 + Async mode

1.

320x240

about 80 - 90 FPS

2。

640x480

about 60 - 80 FPS

二、Getting started with Google Coral’s TPU USB Accelerator

参考链接：

https://www.pyimagesearch.com/2019/04/22/getting-started-with-google-corals-tpu-usb-accelerator/

基本概念：

ASIC芯片是用于供专门应用的集成电路（ASIC，Application Specific Integrated Circuit)芯片技术，在集成电路界被认为是一种为专门目的而设计的集成电路。

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。

Edge TPU 可以说是 Google 专为边缘计算推出的一款 ASIC 芯片。

深度学习数据集MNIST ImageNet COCO PASCAL VOC介绍：

https://blog.csdn.net/daydayup_668819/article/details/70226787

三款内置 Edge TPU 的在售硬件

Coral 在发布之初，发布了五种产品，帮助团队从新产品开发到现有设计的增强，最终达到扩大生产规模。目前有三款产品已开放购买通道：

·Coral Dev Board(开发板)

Coral Dev Board 是一款搭载了 Edge TPU 的单板计算机，功能非常丰富。开发板分为 SOM 模块和基板，基板包括一些常用的外设接口，而 SOM 模块是基于 Google Edge TPU 的模块化系统子板(模块与基板可以分离)。无需从头开始构建模型，可以编译 TensorFlow Lite 模型在 Coral Dev Board 上运行。

·Coral USB Accelerator(USB 加速器)

USB 加速器，具有 Edge TPU 的 USB 附件，可以为机器学习提供推理能力。此外，还可通过 USB 2.0 和3.0 轻松集成到任何 Linux 系统。

·Coral Camera(摄像头)

500万像素摄像头模块，与 Coral Dev Board 兼容。通过 MIPI-CSI 接口连接，提供了一种将视觉输入引入模型的简便方法。

除此之外，可以将 Edge TPU 集成到现有设备系统中的 PCI-E 加速器、40mm x 48mm 可插拔的完全集成系统级模块，未来将陆续与用户见面。

三、SSD-Tensorflow

参考链接

https://github.com/balancap/SSD-Tensorflow

https://pjreddie.com/darknet/yolo/

https://github.com/Zehaos/MobileNet