計算機視覺技術(shù)已經(jīng)廣泛應用于在工業(yè)控制、自主導航、環(huán)境監(jiān)控、人機交互、信息處理等諸多領域。近些年來,計算機視覺領域的快速發(fā)展離不開深度卷積神經(jīng)網(wǎng)絡帶來的革命性突破。無論是在學術(shù)界還是工業(yè)界,將卷積神經(jīng)網(wǎng)絡部署于嵌入式平臺都是一個熱門且非常具有挑戰(zhàn)性的任務。然而卷積神經(jīng)網(wǎng)絡不僅需要大量的計算能力,也需要較高的內(nèi)存讀寫能力,嵌入式平臺與傳統(tǒng)計算平臺不同,其所能利用的資源更為受限�；谇度胧狡脚_的應用通常需要算法提供實時性的結(jié)果,一旦模型過大,其推理時間就會超過約束,成為整個系統(tǒng)的性能瓶頸。另一方面,不同的部署平臺擁有著不同的計算特性,適用于一個平臺的高效卷積神經(jīng)網(wǎng)絡在另一個平臺下也許會運行得非常緩慢。為解決此問題,本文提出一種基于平臺感知的全新結(jié)構(gòu)搜索算法,用來尋找特定平臺下的高效卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)。首先,本文介紹了神經(jīng)網(wǎng)絡的理論基礎,講述了人工神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)與理論部分,使讀者對于計算機視覺任務與卷積神經(jīng)網(wǎng)絡有了基礎概念。隨后介紹了常用的構(gòu)造輕量級卷積神經(jīng)網(wǎng)絡的設計思路與使用技術(shù),并將適用于圖像分類任務的輕量級網(wǎng)絡設計推廣到語義分割任務上。隨后,本文重點介紹了提出的偏序關(guān)系剪枝... 

【文章來源】：電子科技大學四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

目標檢測結(jié)果圖

語義分割結(jié)果圖

NVIDIAJetsonTX2平臺


本文編號：3642280