嵌入式汽车平台上CNN软件包的性能和功耗评估

基于高度并行加速器的低功耗嵌入式计算机的兴起为研究人员和工程师带来了诸多机遇与挑战，并铺平了通往边缘计算时代的道路。与此同时，面向目标检测与分类的嵌入式AI（如YOLO、GoogleNet和AlexNet）在精度（平均精度均值mAP）和性能（每秒帧数FPS）方面达到了前所未有的水平。如今，基于异构众核系统的边缘计算机已成为工业4.0、可穿戴设备以及——我们的研究重点——自动驾驶系统中部署此类系统的主流选择。在这些系统中，工程师们努力使缩减后的汽车功耗与尺寸预算，与自动驾驶所要求的精度和性能目标并存。我们旨在基于嵌入式商用现货系统级芯片（如NVIDIA的Xavier AGX、Tegra X2和Nano，以及Xilinx对应的Zynq UltraScale+系列的XCZU9EG和XCZU3EG）在最先进的平台上验证最新网络的有效性与效率。我们的工作旨在帮助工程师为其设计选择最合适的CNN软件包与计算系统，并推导出用于合理进行系统规模设计的指导原则。