論文の概要: Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU

• arxiv url: http://arxiv.org/abs/2204.03296v1
• Date: Thu, 7 Apr 2022 08:53:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-08 14:54:56.543080
• Title: Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU
• Title（参考訳）: 低出力エッジTPUを用いたリアルタイム衛星画像推定のための深層学習
• Authors: Alessandro Lotti, Dario Modenini, Paolo Tortora, Massimiliano Saponara, Maria A. Perino
• Abstract要約: 本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pose estimation of an uncooperative space resident object is a key asset towards autonomy in close proximity operations. In this context monocular cameras are a valuable solution because of their low system requirements. However, the associated image processing algorithms are either too computationally expensive for real time on-board implementation, or not enough accurate. In this paper we propose a pose estimation software exploiting neural network architectures which can be scaled to different accuracy-latency trade-offs. We designed our pipeline to be compatible with Edge Tensor Processing Units to show how low power machine learning accelerators could enable Artificial Intelligence exploitation in space. The neural networks were tested both on the benchmark Spacecraft Pose Estimation Dataset, and on the purposely developed Cosmo Photorealistic Dataset, which depicts a COSMO-SkyMed satellite in a variety of random poses and steerable solar panels orientations. The lightest version of our architecture achieves state-of-the-art accuracy on both datasets but at a fraction of networks complexity, running at 7.7 frames per second on a Coral Dev Board Mini consuming just 2.2W.
• Abstract（参考訳）: 非協力的空間居住者オブジェクトのポーズ推定は、近接操作における自律性に向けた重要な資産である。 この文脈では、単眼カメラはシステム要件が低いため、貴重な解決策である。 しかし、関連する画像処理アルゴリズムは、リアルタイムに実装するには計算コストが高すぎるか、正確でないかのどちらかである。 本稿では,異なる精度・相対性トレードオフにスケール可能なニューラルネットワークアーキテクチャを活用したポーズ推定ソフトウェアを提案する。 われわれのパイプラインはEdge Tensor Processing Unitsと互換性があり、低消費電力の機械学習アクセラレーターが宇宙における人工知能の活用をいかに可能かを示す。 ニューラルネットワークは、Spacecraft Pose Estimation Datasetのベンチマークと、COSMO-SkyMed衛星をさまざまなランダムなポーズとステアブルソーラーパネルの向きで描写したCosmo Photorealistic Datasetの両方でテストされた。 アーキテクチャの最も軽量なバージョンは、両方のデータセットで最先端の精度を達成するが、ネットワークの複雑さはごくわずかで、Coral Dev Board Mini上で毎秒7.7フレームで動作し、わずか2.2Wしか消費しない。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Bridging Domain Gap for Flight-Ready Spaceborne Vision [4.14360329494344]
  この研究は、既知の非協力的なターゲット宇宙船の単眼的なポーズ推定のためのニューラルネットワーク(NN)であるSpacecraft Pose Network v3(SPNv3)を提示する。 SPNv3は、オフラインのトレーニングや地上での検証で観測されていない、宇宙で撮影された画像に堅牢性を提供しながら、計算的に効率的であるように設計され、訓練されている。 実験により、最後のSPNv3は、コンピュータ生成合成画像のみを訓練しながら、ロボットテストベッドからのハードウェア・イン・ループ画像に対して、最先端の精度を達成できることが示されている。
  論文  参考訳（メタデータ） (2024-09-18T02:56:50Z)
• Mitigating Challenges of the Space Environment for Onboard Artificial Intelligence: Design Overview of the Imaging Payload on SpIRIT [6.982433998815122]
  本研究では,SpIRIT上にホストされた搭載AIサブシステムのハードウェアおよびソフトウェア設計について述べる。 このシステムは、可視光と長波赤外線カメラに基づくコンピュータビジョン実験のために最適化されている。 本稿では,厳密な空間条件下でのシステムのロバスト性を最大化するための重要な設計選択について述べる。
  論文  参考訳（メタデータ） (2024-04-12T11:08:26Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
  本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。 この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。 分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
  論文  参考訳（メタデータ） (2022-01-18T13:59:22Z)
• Real-Time Monocular Human Depth Estimation and Segmentation on Embedded Systems [13.490605853268837]
  移動中の歩行者に対する衝突回避を実現するためにシーンの深さを推定することは、ロボット分野における決定的かつ基本的な問題である。 本稿では,室内環境における人体深度推定とセグメンテーションを高速かつ高精度に行うための,新しい低複雑性ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-08-24T03:26:08Z)
• Real-Time, Flight-Ready, Non-Cooperative Spacecraft Pose Estimation Using Monocular Imagery [1.1083289076967897]
  本研究は、新しい畳み込みニューラルネットワーク(CNN)に基づく単眼ポーズ推定システムを提案する。 計算要求の少ない最先端の精度を実現する。 低出力のフライトライクなハードウェアでリアルタイム性能を実現します。
  論文  参考訳（メタデータ） (2021-01-23T18:40:08Z)
• On Deep Learning Techniques to Boost Monocular Depth Estimation for Autonomous Navigation [1.9007546108571112]
  画像の深さを推定することはコンピュータビジョンの分野における根本的な逆問題である。 本稿では,新しい特徴抽出モデルと組み合わせ,軽量で高速なCNNアーキテクチャを提案する。 また,SIDE問題を解くために,単純な幾何2.5D損失関数と組み合わせて効率的な表面正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2020-10-13T18:37:38Z)
• MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
  我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。 我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。 我々は精度-速度トレードオフの観点から最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-29T11:56:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。