Design on Object Recognition Framework Based on Deep Learning Network Model

객체 기반 이미지 검색은 폭넓은 실용적 가치를 가지며 단위 자산 관리, 학교 실험실 장비 관리 등 객체 인식 분야에서 사용될 수 있습니다. 이 논문에서는 Keras 프레임워크, PyTorch 프레임워크, 그리고 PyTorch 기능과 SIFT 기능을 결합하여 객체 데이터 세트를 식별하는 프레임워크를 사용하여 이미지 검색을 위한 딥 러닝 프레임워크 VGG16의 일반적인 방법을 설명합니다. PyTorch 프레임워크는 이를 기반으로 하는 것으로 나타났습니다. 특징 추출 중 GPU 가속 설정은 최고의 성능을 발휘하며, 복잡한 배경의 객체 인식에도 매우 강력합니다. 또한 GPU 가속 설정을 기반으로 PyTorch 프레임워크를 사용할 때 이 기사에서는 VGG16과 현재 널리 사용되는 타겟 감지 프레임워크인 YOLOV5를 비교한 결과 VGG16은 이미지의 전체 특징을 추출하는 데 능숙하고 YOLO는 특정 영역의 특징을 추출하는 데 능숙하다는 결론을 내렸습니다. 이미지의 개체; 임베디드 스마트 단말기에 적용되는 VGG16 모델의 경우 이 기사에서는 VGG16 네트워크 구조를 삭제하고 주의 메커니즘과 데이터 향상을 추가하며 경량 VGG16 네트워크 모델을 구축하는 데 유용한 방법입니다.