文摘:
“自动驾驶系统的感知越来越需要基于摄像头的深度学习算法。然而，来自汽车行业的限制，通过将有限的计算资源强加于嵌入式系统，挑战了cnn的部署。在本文中，我们提出了一种在商业原型平台上嵌入多任务CNN网络的方法，即低功耗的片上系统(SoC)以10 FPS的速度处理四个环绕视图鱼眼摄像机。
第一个重点是设计一个高效和紧凑的多任务网络架构。其次，采用剪枝方法对CNN进行压缩，在不显著降低性能的情况下，将运行时间和内存使用量减少了1 / 2。最后，提出了几种嵌入式优化技术，如混合量化格式的使用和不同内存区域之间有效的数据传输，以确保实时执行和避免带宽瓶颈。在硬件平台上，综合考虑嵌入式检测性能、运行时间和内存带宽，对该方法进行了评估。与大多数文献中关注分类任务的工作不同，我们的目标是研究剪枝和量化对具有对象检测、语义分割和污染检测任务的紧凑多任务网络的影响。”
把这这里是技术文件．公布的01/2021。
Dellinger, F.， Boulay, T.， Barrenechea, D. M.， El-Hachimi, S.， Leang, I.， & Bürger, F.(2021, 1月19日)。面向Adas实时部署的多任务网络修剪和嵌入式优化．arxiv.org。
Imec的计算路线图;美国对华为为目标;美印。特遣部队;China-Bolivia交易;布鲁克揭开了白光干涉测量系统;三星量化可持续性;麦肯锡指出了美国晶圆厂建设的问题;发光二极管。
留下回复