發(fā)布時間：2024-06-11 21:15

　　作為機(jī)器視覺領(lǐng)域中的基礎(chǔ)問題之一,目標(biāo)檢測在過去十多年間獲得了廣泛的關(guān)注與研究。隨著嵌入式技術(shù)的不斷發(fā)展與嵌入式設(shè)備的日益成熟,針對邊緣端的目標(biāo)檢測更是成為了當(dāng)前的研究熱點,并在不同領(lǐng)域、不同任務(wù)中獲得了廣泛的應(yīng)用。當(dāng)前,基于深度神經(jīng)網(wǎng)絡(luò)的端到端檢測模型獲得了遠(yuǎn)超傳統(tǒng)方法的最優(yōu)性能。然而,這些模型具有復(fù)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(shè)備上。本文針對基于嵌入式GPU平臺的目標(biāo)檢測應(yīng)用進(jìn)行研究,以無人機(jī)單目標(biāo)檢測作為具體應(yīng)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(zhǔn)確率、低功耗且滿足實時運行的目標(biāo)檢測系統(tǒng)。具體而言,首先基于單目標(biāo)檢測任務(wù)設(shè)計出一套基礎(chǔ)檢測算法框架,該框架支持訓(xùn)練、預(yù)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(jī)單目標(biāo)檢測任務(wù)的特點,從檢測尺度選取、特征提取網(wǎng)絡(luò)結(jié)構(gòu)、模型訓(xùn)練損失函數(shù)等方面對基礎(chǔ)檢測框架進(jìn)行了深度優(yōu)化。完成算法級設(shè)計與優(yōu)化后,將檢測框架在Nvidia Jetson TX2嵌入式GPU平臺上進(jìn)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(jìn)行加速。本文采...

【文章頁數(shù)】：66 頁

【學(xué)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(biāo)與內(nèi)容
    1.4 本文章節(jié)安排
2 基于嵌入式平臺的目標(biāo)檢測應(yīng)用
    2.1 無人機(jī)單目標(biāo)檢測任務(wù)
    2.2 無人機(jī)單目標(biāo)檢測數(shù)據(jù)集
    2.3 性能指標(biāo)
        2.3.1 準(zhǔn)確率指標(biāo)
        2.3.2 復(fù)雜度指標(biāo)
        2.3.3 能耗指標(biāo)
        2.3.4 綜合指標(biāo)
    2.4 本章小結(jié)
3 基于嵌入式平臺的高效檢測算法設(shè)計
    3.1 總體設(shè)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(luò)
        3.3.2 區(qū)域生成網(wǎng)絡(luò)
    3.4 訓(xùn)練模塊
    3.5 預(yù)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(biāo)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(xiàn)
在學(xué)期間主要研究成果



本文編號：3992726