基于深度学习的嵌入式系统多目标视觉跟踪及其在物联网与移动边缘计算中的应用
计算机视觉与模式识别
2024-10-30 v1
摘要
最先进的深度学习方法在计算和内存需求方面仍存在短板，必须加以解决才能使其在物联网终端节点上发挥作用。特别是，近期结果表明使用卷积神经网络（CNN）进行图像处理前景可期，但由于其高功耗，软件与硬件实现之间的差距对于物联网和移动边缘计算应用已经相当可观。本方案在NVIDIA Jetson TX2开发套件上实现了低功耗、实时的基于深度学习的多目标视觉跟踪。它包括一个摄像头和无线连接能力，并由电池供电以支持移动和户外应用。使用机载摄像头采集的一组代表性序列，即dETRUSC视频数据集，用于示例所提算法的性能并便于基准测试。在功耗和帧率方面的结果表明了深度学习算法在嵌入式平台上的可行性，尽管在CNN的算法与硬件协同设计方面仍需更多努力。
引用
@article{arxiv.1808.01356,
title = {Deep Learning-Based Multiple Object Visual Tracking on Embedded System for IoT and Mobile Edge Computing Applications},
author = {Beatriz Blanco-Filgueira and Daniel García-Lesta and Mauro Fernández-Sanjurjo and Víctor M. Brea and Paula López},
journal= {arXiv preprint arXiv:1808.01356},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication