論文の概要: Deep Neural Network Architecture Search for Accurate Visual Pose
Estimation aboard Nano-UAVs
- arxiv url: http://arxiv.org/abs/2303.01931v1
- Date: Fri, 3 Mar 2023 14:02:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 14:56:48.565882
- Title: Deep Neural Network Architecture Search for Accurate Visual Pose
Estimation aboard Nano-UAVs
- Title(参考訳): ナノUAVを用いた高精度視覚空間推定のためのディープニューラルネットワークアーキテクチャ探索
- Authors: Elia Cereda, Luca Crupi, Matteo Risso, Alessio Burrello, Luca Benini,
Alessandro Giusti, Daniele Jahier Pagliari, Daniele Palossi
- Abstract要約: 小型無人航空機(UAV)は、新興かつトレンドのトピックである。
我々は、新しいニューラルネットワーク探索(NAS)技術を活用し、視覚的ポーズ推定タスクのために複数の畳み込みニューラルネットワーク(CNN)を自動的に識別する。
その結果,10Hz@10mWおよび50Hz@90mWの実時間オンボード推算速度を達成しつつ,フィールド内制御誤差を32%低減し,現状を改善できた。
- 参考スコア(独自算出の注目度): 69.19616451596342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Miniaturized autonomous unmanned aerial vehicles (UAVs) are an emerging and
trending topic. With their form factor as big as the palm of one hand, they can
reach spots otherwise inaccessible to bigger robots and safely operate in human
surroundings. The simple electronics aboard such robots (sub-100mW) make them
particularly cheap and attractive but pose significant challenges in enabling
onboard sophisticated intelligence. In this work, we leverage a novel neural
architecture search (NAS) technique to automatically identify several
Pareto-optimal convolutional neural networks (CNNs) for a visual pose
estimation task. Our work demonstrates how real-life and field-tested robotics
applications can concretely leverage NAS technologies to automatically and
efficiently optimize CNNs for the specific hardware constraints of small UAVs.
We deploy several NAS-optimized CNNs and run them in closed-loop aboard a 27-g
Crazyflie nano-UAV equipped with a parallel ultra-low power System-on-Chip. Our
results improve the State-of-the-Art by reducing the in-field control error of
32% while achieving a real-time onboard inference-rate of ~10Hz@10mW and
~50Hz@90mW.
- Abstract(参考訳): 小型無人航空機(UAV)は、新興かつトレンドのトピックである。
片方の手のひらほどの大きさのフォームファクターで、大きなロボットに近づかない場所に到達し、人間の周囲で安全に操作することができる。
そのようなロボット(100mW未満)に搭載されたシンプルな電子機器は、特に安価で魅力的だが、高度な知性を実現する上で大きな課題を生んでいる。
本研究では,新しいニューラルネットワーク探索(nas)手法を用いて,複数のパレートオプティカル畳み込みニューラルネットワーク(cnns)を視覚的ポーズ推定タスクとして自動識別する。
我々の研究は、実際のロボット工学アプリケーションがNAS技術を具体的に活用して、小型UAVの特定のハードウェア制約に対してCNNを自動かつ効率的に最適化する方法を実証している。
我々はNAS最適化CNNを複数配置し、27gのクレージーフリーナノUAVに並列超低電力システムオンチップを搭載したクローズドループで運用する。
その結果,現場での制御誤差を32%低減し,実時間で10Hz@10mW,50Hz@90mWの推論速度を実現した。
関連論文リスト
- On-device Self-supervised Learning of Visual Perception Tasks aboard
Hardware-limited Nano-quadrotors [53.59319391812798]
SI50グラム以下のナノドロンは、学術と産業の両方で勢いを増している。
彼らの最も魅力的なアプリケーションは、知覚のためのディープラーニングモデルに依存している。
未知の環境にデプロイする場合、これらのモデルはドメインシフトによってパフォーマンスが低下することが多い。
本研究では,ナノドローンを用いたデバイス上での学習を初めて提案する。
論文 参考訳(メタデータ) (2024-03-06T22:04:14Z) - DNA Family: Boosting Weight-Sharing NAS with Block-Wise Supervisions [121.05720140641189]
蒸留型ニューラルアーキテクチャ(DNA)技術を用いたモデル群を開発した。
提案するDNAモデルでは,アルゴリズムを用いてサブサーチ空間にのみアクセス可能な従来の手法とは対照的に,すべてのアーキテクチャ候補を評価できる。
当社のモデルでは,モバイルコンボリューションネットワークと小型ビジョントランスフォーマーにおいて,ImageNet上で78.9%,83.6%の最先端トップ1精度を実現している。
論文 参考訳(メタデータ) (2024-03-02T22:16:47Z) - Optimized Deployment of Deep Neural Networks for Visual Pose Estimation
on Nano-drones [9.806742394395322]
小型無人航空機(UAV)は小型化が進み、屋内ナビゲーションや人体監視といった新しいタスクが可能になった。
本研究では,Deep Neural Networks (DNN) を用いた視覚的ポーズ推定タスクの自動最適化パイプラインを提案する。
その結果,アイソエラー時の予測遅延を最大3.22倍改善した。
論文 参考訳(メタデータ) (2024-02-23T11:35:57Z) - High-throughput Visual Nano-drone to Nano-drone Relative Localization
using Onboard Fully Convolutional Networks [51.23613834703353]
相対的なドローンとドローンのローカライゼーションは、どんなSwarm操作でも基本的なビルディングブロックである。
我々は、新しいビジョンベース完全畳み込みニューラルネットワーク(FCNN)に基づく垂直統合システムを提案する。
その結果,水平画像座標で32~47%,垂直画像座標で18~55%,実世界の30k画像のデータセットでR2乗改善が得られた。
論文 参考訳(メタデータ) (2024-02-21T12:34:31Z) - Adaptive Deep Learning for Efficient Visual Pose Estimation aboard
Ultra-low-power Nano-drones [5.382126081742012]
視覚に基づく人間のポーズ推定タスクを効率的に実行するための適応的深層学習に基づく新しいメカニズムを提案する。
実世界のデータセットと実際のナノドロンのハードウェアでは,平均絶対誤差(MAE)を維持しながら28%のレイテンシ低減を実現し,アイソレイテンシでは3%のMAE削減,絶対ピーク性能,すなわちSoAモデルよりも6%向上した。
論文 参考訳(メタデータ) (2024-01-26T23:04:26Z) - Channel-Aware Distillation Transformer for Depth Estimation on Nano
Drones [9.967643080731683]
本稿では,ナノドローンの障害物回避のための軽量CNN深度推定ネットワークを提案する。
知識蒸留(KD)にインスパイアされたCADiT (Channel-Aware Distillation Transformer) を提案する。
提案手法はKITTIデータセット上で検証され,超低消費電力マイクロプロセッサGAP8を用いたナノドローンCrzyflieで試験された。
論文 参考訳(メタデータ) (2023-03-18T10:45:34Z) - 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) - Evolutionary Neural Architecture Search Supporting Approximate
Multipliers [0.5414308305392761]
進化的畳み込みニューラルネットワーク(CNN)のためのカルト的遺伝的プログラミングに基づく多目的NAS法を提案する。
最も適切な近似乗算器は、近似乗算器のライブラリから自動的に選択される。
進化したCNNは、CIFAR-10ベンチマーク問題に類似した複雑さを持つ一般的な人間によるCNNと比較される。
論文 参考訳(メタデータ) (2021-01-28T09:26:03Z) - 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。