车载辅助系统中嵌入式GPU平台热成像的评估
计算机视觉与模式识别
2023-03-22 v1
摘要
本研究致力于通过将在嵌入式GPU和单板EDGE-GPU计算平台上部署训练网络，对智能安全车载系统的热目标检测实时性能进行评估，以进行车载汽车传感器套件测试。我们在具有挑战性的天气和环境场景下获取、处理并开源了一个包含超过35000个独立帧的新型大规模热成像数据集。该数据集由低成本但有效的非制冷长波红外(LWIR)热像仪记录，该相机独立安装并安装于电动汽车上以最小化机械振动。采用SGD优化器，使用四个不同公共数据集以及新获取的本地数据集训练最先进的YOLO-V5网络变体，以实现DNN的最优泛化。训练网络的有效性在广泛测试数据上通过使用包括精确率、召回率曲线、平均精度均值和每秒帧数在内的多种定量指标进行验证。YOLO的较小网络变体进一步使用TensorRT推理加速器进行优化，以显式提升每秒帧数率。优化后的网络引擎在测试低功耗边缘设备时将每秒帧数率提升3.5倍，从而在Nvidia Jetson Nano上达到11 fps，在Nvidia Xavier NX开发板上达到60 fps。
引用
@article{arxiv.2201.01661,
title = {Evaluation of Thermal Imaging on Embedded GPU Platforms for Application in Vehicular Assistance Systems},
author = {Muhammad Ali Farooq and Waseem Shariff and Peter Corcoran},
journal= {arXiv preprint arXiv:2201.01661},
year = {2023}
}
备注
14 pages, 9 tables, and 27 figures