作為機器視覺領域中的基礎問題之一,目標檢測在過去十多年間獲得了廣泛的關注與研究。隨著嵌入式技術(shù)的不斷發(fā)展與嵌入式設備的日益成熟,針對邊緣端的目標檢測更是成為了當前的研究熱點,并在不同領域、不同任務中獲得了廣泛的應用。當前,基于深度神經(jīng)網(wǎng)絡的端到端檢測模型獲得了遠超傳統(tǒng)方法的最優(yōu)性能。然而,這些模型具有復雜度高、運算量大等特點,無法滿足低功耗、實時處理等重要要求,因而無法直接部署在邊緣端嵌入式設備上。本文針對基于嵌入式GPU平臺的目標檢測應用進行研究,以無人機單目標檢測作為具體應用場景,從數(shù)據(jù)分析、算法研究、系統(tǒng)優(yōu)化等方面逐步實現(xiàn)出具備高檢測準確率、低功耗且滿足實時運行的目標檢測系統(tǒng)。具體而言,首先基于單目標檢測任務設計出一套基礎檢測算法框架,該框架支持訓練、預測兩種工作模式,并由四個子模塊構(gòu)成。然后根據(jù)無人機單目標檢測任務的特點,從檢測尺度選取、特征提取網(wǎng)絡結(jié)構(gòu)、模型訓練損失函數(shù)等方面對基礎檢測框架進行了深度優(yōu)化。完成算法級設計與優(yōu)化后,將檢測框架在Nvidia Jetson TX2嵌入式GPU平臺上進行實現(xiàn),并根據(jù)硬件平臺的特點,采用批處理技術(shù)以及流水線技術(shù)對檢測系統(tǒng)進行加速。本文采...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目標與內(nèi)容
    1.4 本文章節(jié)安排
2 基于嵌入式平臺的目標檢測應用
    2.1 無人機單目標檢測任務
    2.2 無人機單目標檢測數(shù)據(jù)集
    2.3 性能指標
        2.3.1 準確率指標
        2.3.2 復雜度指標
        2.3.3 能耗指標
        2.3.4 綜合指標
    2.4 本章小結(jié)
3 基于嵌入式平臺的高效檢測算法設計
    3.1 總體設計方案
    3.2 數(shù)據(jù)模塊
    3.3 檢測模塊
        3.3.1 特征提取網(wǎng)絡
        3.3.2 區(qū)域生成網(wǎng)絡
    3.4 訓練模塊
    3.5 預測模塊
    3.6 算法性能評估
        3.6.1 整體性能
        3.6.2 檢測輸入尺度選取
        3.6.3 優(yōu)化技術(shù)有效性驗證
    3.7 本章小結(jié)
4 基于嵌入式平臺的實時檢測系統(tǒng)實現(xiàn)
    4.1 嵌入式平臺Nvidia Jetson TX2 簡介
    4.2 實時單目標檢測系統(tǒng)實現(xiàn)
    4.3 系統(tǒng)性能綜合評估
        4.3.1 本地性能評估分析
        4.3.2 DACSDC綜合評估
    4.4 本章小結(jié)
5 總結(jié)與展望
參考文獻
在學期間主要研究成果



本文編號：3992726