轻量级检测网络-Pelee介绍与试跑运行

以深度学习为基础的人工智能发展迅速，越来越多的检测、识别模型出现，但这些都只能运行在服务器端，使用中只能通过前端获取图像视频数据，通过网络传输数据信息到服务器，服务器处理完毕再返回结果到前端展示。而在真实场景我们对实时性要求更高，因此需要tflite格式的更加轻量级模型。

今天介绍一下pelee网络，然后教大家如何在本地运行。

论文地址：论文：Pelee: A Real-Time Object Detection System on Mobile Devices 

这里介绍了个实现，一个是基于caff-ssd，一个是TensorFlow实现。

Github:https://github.com/Robert-JunWang/Pelee   基于caffe-ssd实现

            https://github.com/nnUyi/PeleeNet   tensorflow实现

论文是发表在2019年1月18号的32nd Conference on Neural Information Processing Systems (NeurIPS 2018)会议上的。

如下为网络主要结构：网络输入大小为244x244x3，经过5个stage，每个stage进行多次dense block块。和mobilenetv2相识，分为不同步骤。