Detección de objetos con TinyYOLOv3 sobre Raspberry Pi 3

Abstract

Desde hace algúntiempo, se vienehablandode nuevas tecnologías que revolucionarán la industria y nuestra forma de vivir en los próximos años, como el Internet de las Cosas, el Big Data, el Cloud Computingo la Inteligencia Artificial. Conocerlas, trabajar con ellas y estudiar su potencial es clave para entender cómo impactarán en nuestro día a díafuturo.En este proyecto haremos uso de una de estas tecnologías: la detección de objetos, una de las múltiples ramas de la inteligencia artificial, cuyo fin último será el de permitir crear máquinas con la capacidad de ver e interpretar el mundo tal y como nosotros lo hacemos a través de nuestros ojos. Además, implementaremos uno de estos sistemas en un dispositivo ligero, no originalmente diseñado para este fin, pero de propósitogeneral, extendido, y económico; con la ideade medir su rendimiento y llegar a una conclusión respecto a la combinación.En concreto, utilizaremos una versión simplificadade YOLOv3, uno de los algoritmos de detección de objetos más punteros en los últimos años, conocida como TinyYOLOv3; que será implementado en una Raspberry Pi 3. Los objetivosdel proyecto serán los de comprobar que la instalación y puesta en marcha del algoritmo es factible, y a continuación probar y medir su rendimiento en aquellas facetas que son más relevantes en la inteligencia artificial: el entrenamiento y la inferencia.A lo largo de esta memoria, realizaremos un viaje en el que explicaremos los principios que gobiernan el campo de la detección de objetos, desde las bases de la inteligencia artificial hasta el deep learning;para luego explicar en detalle el proceso de integración del algoritmo TinyYOLOv3 en Raspberry Pi 3; y finalmente procederemos a llevar a cabo las pruebas pertinentes que nos permitirán cumplir losobjetivos del proyecto.

For some time now, there has been talk about some new technologies that will revolutionize the industry and our way of life in the coming years, such as the Internet of Things, BigData, Cloud Computing or Artificial Intelligence. Knowing them, working with them and studying their potential is key to understanding how they will impact our future day-to-day lives. In this project, we will be making use of one of those technologies: object detection, one of the many branches of artificial intelligence, which ultimate goal will be to create machines with the ability to see and interpret the world as we do through our eyes. In addition, we will implement one of these systems in a lightweight device, not originally designed for this purpose, but general-purpose, extended, and economic; with the idea of measuring its performance and reaching a conclusion regarding the combination.Specifically, we will use a simplified version of YOLOv3, one of the most advanced object detection algorithms in recent years, known as TinyYOLOv3; which will be implemented in a Raspberry Pi 3. The objectives of the project will be to verify that the installation and implementation of the algorithm is feasible, and then test and measure its performance in those facets that are most relevant in artificial intelligence: training and inference.Throughout this report, we will make a journey in which we will explain the principles that govern the field of object detection, from the basics of artificial intelligence to deep learning, and then explain in detail the process of integrating the algorithm TinyYOLOv3 in Raspberry Pi 3, and finally proceed to carry out the relevant tests that will allow us to fulfill the objectives of the project.