?部分代碼如下

首先，為探測(cè)器定義一個(gè)抽象類別：

接下來，實(shí)現(xiàn)SSD和YOLO模型界面。對(duì)于SSD，我們使用來自目標(biāo)檢測(cè)API的代碼。而YOLO對(duì)象檢測(cè)器只是Darkflow TFNet類的包裝。

現(xiàn)在我們實(shí)現(xiàn)一個(gè)檢測(cè)腳本。首先初始化camera：

接下來，從stream中獲取圖像并對(duì)其進(jìn)行檢測(cè)。對(duì)結(jié)果可視化如下：

?總結(jié)

我們運(yùn)行了兩個(gè)模型并得到了這些結(jié)果：

-??YOLO tiny -?0.32 FPS;

-??SSD MobileNet Light -?1.07 FPS。

因此，結(jié)合以上結(jié)果，我們可以得出結(jié)論——我們可以使用帶有SSD MobileNet的移動(dòng)探測(cè)器進(jìn)行真實(shí)的簡(jiǎn)單行人跟蹤，或者用于檢測(cè)草坪上的貓的房屋安全系統(tǒng)?；蛘叱叽绾凸β适褂酶鼮殛P(guān)鍵的情況（1 FPS就足夠了）。

此外，我們嘗試使用MXNet網(wǎng)絡(luò)，但在模塊導(dǎo)入期間，我們遇到了../libmxnet.soon Raspberry Pi問題。

下方為可視化結(jié)果：

該文章最早于2018年11月26日在www.quantumobile.com上發(fā)布。