論文の概要: Implementation of a perception system for autonomous vehicles using a
detection-segmentation network in SoC FPGA
- arxiv url: http://arxiv.org/abs/2307.08682v1
- Date: Mon, 17 Jul 2023 17:44:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 11:58:00.547948
- Title: Implementation of a perception system for autonomous vehicles using a
detection-segmentation network in SoC FPGA
- Title（参考訳）: SoCFPGAにおける検出分割ネットワークを用いた自動運転車の認識システムの実装
- Authors: Maciej Baczmanski, Mateusz Wasala, Tomasz Kryjak
- Abstract要約: 我々は,MultiTaskV3検出セグメンテーションネットワークを,単一アーキテクチャ内で両方の機能を実現する知覚システムの基礎として用いている。
システム全体の電力消費はCPUベースの実装に比べて比較的少ない。
また、オブジェクト検出のmAPの97%以上、画像分割のmIoUの90%以上を達成している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Perception and control systems for autonomous vehicles are an active area of
scientific and industrial research. These solutions should be characterised by
high efficiency in recognising obstacles and other environmental elements in
different road conditions, real-time capability, and energy efficiency.
Achieving such functionality requires an appropriate algorithm and a suitable
computing platform. In this paper, we have used the MultiTaskV3
detection-segmentation network as the basis for a perception system that can
perform both functionalities within a single architecture. It was appropriately
trained, quantised, and implemented on the AMD Xilinx Kria KV260 Vision AI
embedded platform. By using this device, it was possible to parallelise and
accelerate the computations. Furthermore, the whole system consumes relatively
little power compared to a CPU-based implementation (an average of 5 watts,
compared to the minimum of 55 watts for weaker CPUs, and the small size (119mm
x 140mm x 36mm) of the platform allows it to be used in devices where the
amount of space available is limited. It also achieves an accuracy higher than
97% of the mAP (mean average precision) for object detection and above 90% of
the mIoU (mean intersection over union) for image segmentation. The article
also details the design of the Mecanum wheel vehicle, which was used to test
the proposed solution in a mock-up city.
- Abstract（参考訳）: 自動運転車の認識と制御システムは、科学・産業研究の活発な領域である。
これらのソリューションは、異なる道路条件における障害物やその他の環境要素を認識する際の高い効率、リアルタイム能力、エネルギー効率によって特徴づけられるべきである。
このような機能を実現するには、適切なアルゴリズムと適切なコンピューティングプラットフォームが必要です。
本稿では,MultiTaskV3検出セグメンテーションネットワークを,単一アーキテクチャ内で両方の機能を実現する知覚システムの基礎として利用した。
適切に訓練され、定量化され、amd xilinx kria kv260 vision ai embedded platformに実装された。
この装置を使用することで、計算の並列化と高速化が可能となった。
さらに、システム全体では、cpuベースの実装(最低55ワットの弱いcpuと比較して平均5ワット)に比べて消費電力が少なく、プラットフォームの小さなサイズ(119mm x 140mm x 36mm)では、利用可能なスペースが限られているデバイスで使用することが可能である。
また、オブジェクト検出のmAP(平均精度)の97%以上、画像分割のmIoU(平均結合)の90%以上を達成している。
この記事では、提案されたソリューションを模擬都市でテストするために使用されたMecanum wheel vehicleの設計について詳述する。
関連論文リスト
- A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid
FPGAs [13.581341206178525]
コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。
本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。
このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
論文 参考訳（メタデータ） (2024-01-19T13:39:05Z) - Detection-segmentation convolutional neural network for autonomous
vehicle perception [0.0]
物体検出とセグメンテーションは、自動運転車の認識システムの2つの中核モジュールである。
現在最もよく使われている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いており、高い効率性を保証するが、高性能なコンピューティングプラットフォームを必要とする。
ネットワークの複雑さの低減は、適切なアーキテクチャ、表現、コンピューティングプラットフォームを使用することで達成できる。
論文 参考訳（メタデータ） (2023-06-30T08:54:52Z) - HeteroEdge: Addressing Asymmetry in Heterogeneous Collaborative
Autonomous Systems [1.274065448486689]
2台の無人地上車両(UGV)と2台のNVIDIA Jetsonデバイスからなるテストベッドの自己適応最適化フレームワークを提案する。
このフレームワークは、異種ノード上の複数のタスク(ストレージ、処理、計算、送信、推論)を同時に効率的に管理する。
入力された画像フレームの圧縮とマスキング、類似したフレームの識別、および最適化のための境界条件を得るためにプロファイリング装置を含む。
論文 参考訳（メタデータ） (2023-05-05T02:43:16Z) - A Near Sensor Edge Computing System for Point Cloud Semantic
Segmentation [12.997562735505364]
範囲ビューに基づく軽量な点クラウドセマンティックセマンティックセマンティックネットワークを提案する。
我々のネットワークは,計算効率42.5 GOP/Wで,Xilinx DPU上で10フレーム/秒(fps)を達成した。
論文 参考訳（メタデータ） (2022-07-12T23:32:11Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
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。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - Multi-scale Interaction for Real-time LiDAR Data Segmentation on an
Embedded Platform [62.91011959772665]
LiDARデータのリアルタイムセマンティックセグメンテーションは、自動運転車にとって不可欠である。
ポイントクラウド上で直接動作する現在のアプローチでは、複雑な空間集約操作を使用する。
本稿では,マルチスケールインタラクションネットワーク(MINet)と呼ばれるプロジェクションベースの手法を提案する。
論文 参考訳（メタデータ） (2020-08-20T19:06:11Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Binary DAD-Net: Binarized Driveable Area Detection Network for
Autonomous Driving [94.40107679615618]
本稿では,二項化駆動型領域検出ネットワーク(バイナリDAD-Net)を提案する。
エンコーダ、ボトルネック、デコーダ部分の2重みとアクティベーションのみを使用する。
パブリックデータセット上で、最先端のセマンティックセグメンテーションネットワークより優れています。
論文 参考訳（メタデータ） (2020-06-15T07:09:01Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。