一种轻量级深度学习模型，在IoT设备上的实时行人检测 ！

文章预览

人工智能（AI）已经成为作者日常生活中不可或缺的部分。计算机视觉已经发展到了能够检测智能交通系统中路口行人的安全关键角色，并提醒车辆注意潜在碰撞的程度。集中的计算分析摄像头反馈并生成附近车辆的警报。 然而，实时应用面临延迟、数据传输速度有限和生命损失的风险。边缘服务器为实时应用提供了潜在的解决方案，它们提供本地计算和存储资源以及较低的响应时间。然而，边缘服务器的处理能力有限。轻量级深度学习（DL）技术使边缘服务器能够利用压缩的深度神经网络（DNN）模型。 本研究探索在人工智能物联网（AIoT）边缘设备上实现轻量级dl模型。一个优化的You Only Look Once（YOLO）基于的dl模型被用于实时行人检测，使用Message Queuing Telemetry Transport（MQTT）协议将检测事件传输到边缘服务器。 仿真结果表明，优化的YOLO模型可以 ………………………………