Нейросетевая модель предупреждения столкновений квадракоптера на основе компьютерного зрения
Аннотация
Выпускная квалификационная работа магистра 77 с., 31 рис., 6 табл., 75 источников, 1 прил.
НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПРЕДУПРЕЖДЕНИЯ СТОЛКНОВЕНИЙ КВАДРОКОПТЕРА НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Цель работы – разработка нейросетевого детектора препятствий и его оптимизация для развертывания на встраиваемых устройствах с ограниченными вычислительными ресурсами.
Предмет исследования – практическое применение и адаптация нейросетевых моделей для развертывания на встраиваемых вычислительных устройствах.
Объект исследования – особенности реализации бинарных классификаторов, методы оптимизации нейросетевых моделей.
Методы исследования: использование методов тензорной декомпозиции, квантования и прунинга и дистилляции знаний для получения вычислительно эффективных нейросетевых моделей детектора препятствий.
Результаты работы: обучена нейросетевая модель детектора препятствий на наборе данных Bicycle Dataset for Collision Probabilities; реализованы методы оптимизации, позволившие значительно уменьшить количество параметров и вычислительных операций; для оптимизированных моделей приведены оценки метрик качества, а также по количеству операций умножения с накоплением, количеству параметров модели и времени задержки.
Области применения полученных результатов: встраиваемые системы и устройства IoT, автоматизированные системы управления, робототехника и автономные транспортные средства
Работа демонстрирует высокую эффективность предложенных методов и их практическую значимость. Библиотека EurusManeuver может быть рекомендована для широкого применения в индустрии и научных исследованиях.
Значимость работы заключается в демонстрации высокой эффективности предложенных методов оптимизации и дистилляции знаний нейросетевых моделей. Реализованные в библиотеке EurusManeuver методы значительно расширяют сферу практического применения нейросетевых алгоритмов на встраиваемые вычислители.
НЕЙРОСЕТЕВАЯ МОДЕЛЬ ПРЕДУПРЕЖДЕНИЯ СТОЛКНОВЕНИЙ КВАДРОКОПТЕРА НА ОСНОВЕ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Цель работы – разработка нейросетевого детектора препятствий и его оптимизация для развертывания на встраиваемых устройствах с ограниченными вычислительными ресурсами.
Предмет исследования – практическое применение и адаптация нейросетевых моделей для развертывания на встраиваемых вычислительных устройствах.
Объект исследования – особенности реализации бинарных классификаторов, методы оптимизации нейросетевых моделей.
Методы исследования: использование методов тензорной декомпозиции, квантования и прунинга и дистилляции знаний для получения вычислительно эффективных нейросетевых моделей детектора препятствий.
Результаты работы: обучена нейросетевая модель детектора препятствий на наборе данных Bicycle Dataset for Collision Probabilities; реализованы методы оптимизации, позволившие значительно уменьшить количество параметров и вычислительных операций; для оптимизированных моделей приведены оценки метрик качества, а также по количеству операций умножения с накоплением, количеству параметров модели и времени задержки.
Области применения полученных результатов: встраиваемые системы и устройства IoT, автоматизированные системы управления, робототехника и автономные транспортные средства
Работа демонстрирует высокую эффективность предложенных методов и их практическую значимость. Библиотека EurusManeuver может быть рекомендована для широкого применения в индустрии и научных исследованиях.
Значимость работы заключается в демонстрации высокой эффективности предложенных методов оптимизации и дистилляции знаний нейросетевых моделей. Реализованные в библиотеке EurusManeuver методы значительно расширяют сферу практического применения нейросетевых алгоритмов на встраиваемые вычислители.