發(fā)布時(shí)間：2024-06-11 21:15

　　作為機(jī)器視覺(jué)領(lǐng)域中的基礎(chǔ)問(wèn)題之一,目標(biāo)檢測(cè)在過(guò)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(duì)邊緣端的目標(biāo)檢測(cè)更是成為了當(dāng)前的研究熱點(diǎn),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(cè)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(yùn)算量大等特點(diǎn),無(wú)法滿足低功耗、實(shí)時(shí)處理等重要要求,因而無(wú)法直接部署在邊緣端嵌入式設(shè)備上。本文針對(duì)基于嵌入式GPU平臺(tái)的目標(biāo)檢測(cè)應(yīng)用進(jìn)行研究,以無(wú)人機(jī)單目標(biāo)檢測(cè)作為具體應(yīng)用場(chǎng)景,從數(shù)據(jù)分析、算法研究、系統(tǒng)優(yōu)化等方面逐步實(shí)現(xiàn)出具備高檢測(cè)準(zhǔn)確率、低功耗且滿足實(shí)時(shí)運(yùn)行的目標(biāo)檢測(cè)系統(tǒng)。具體而言,首先基于單目標(biāo)檢測(cè)任務(wù)設(shè)計(jì)出一套基礎(chǔ)檢測(cè)算法框架,該框架支持訓(xùn)練、預(yù)測(cè)兩種工作模式,并由四個(gè)子模塊構(gòu)成。然后根據(jù)無(wú)人機(jī)單目標(biāo)檢測(cè)任務(wù)的特點(diǎn),從檢測(cè)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(duì)基礎(chǔ)檢測(cè)框架進(jìn)行了深度優(yōu)化。完成算法級(jí)設(shè)計(jì)與優(yōu)化后,將檢測(cè)框架在Nvidia Jetson TX2嵌入式GPU平臺(tái)上進(jìn)行實(shí)現(xiàn),并根據(jù)硬件平臺(tái)的特點(diǎn),采用批處理技術(shù)以及流水線技術(shù)對(duì)檢測(cè)系統(tǒng)進(jìn)行加速。本文采...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)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(guó)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(tái)的目標(biāo)檢測(cè)應(yīng)用
    2.1 無(wú)人機(jī)單目標(biāo)檢測(cè)任務(wù)
    2.2 無(wú)人機(jī)單目標(biāo)檢測(cè)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(tái)的高效檢測(cè)算法設(shè)計(jì)
    3.1 總體設(shè)計(jì)方案
    3.2 數(shù)據(jù)模塊
    3.3 檢測(cè)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(cè)模塊
    3.6 算法性能評(píng)估
        3.6.1 整體性能
        3.6.2 檢測(cè)輸入尺度選取
        3.6.3 優(yōu)化技術(shù)有效性驗(yàn)證
    3.7 本章小結(jié)
4 基于嵌入式平臺(tái)的實(shí)時(shí)檢測(cè)系統(tǒng)實(shí)現(xiàn)
    4.1 嵌入式平臺(tái)Nvidia Jetson TX2 簡(jiǎn)介
    4.2 實(shí)時(shí)單目標(biāo)檢測(cè)系統(tǒng)實(shí)現(xiàn)
    4.3 系統(tǒng)性能綜合評(píng)估
        4.3.1 本地性能評(píng)估分析
        4.3.2 DACSDC綜合評(píng)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(hào)：3992726