触及边缘的边缘：太空中的图像分析
机器学习
2023-06-28 v2 计算机视觉与模式识别
性能
摘要
由于组件尺寸和成本的降低，卫星变得更加普及。因此，越来越多的较小组织有能力部署卫星，并在其上运行各种数据密集型应用。一个流行的应用是图像分析，例如用于地球观测的陆地、冰层、云层等检测。然而，卫星上部署的设备的资源受限特性，为这种资源密集型应用带来了额外的挑战。在本文中，我们介绍了为卫星构建图像处理单元（IPU）的工作和经验教训。我们首先研究了各种边缘设备（比较了 CPU、GPU、TPU 和 VPU）在卫星上进行基于深度学习的图像处理的性能。我们的目标是识别出在满足卫星功耗和延迟约束的同时，能够实现准确结果并在工作负载变化时保持灵活性的设备。我们的结果表明，ASIC 和 GPU 等硬件加速器对于满足延迟要求至关重要。然而，最先进的带 GPU 的边缘设备可能功耗过高，无法部署在卫星上。然后，我们利用从性能分析中获得的发现来指导即将到来的卫星任务的 IPU 模块开发。我们详细说明了如何将这样的模块集成到现有的卫星架构中，以及支持利用该模块的各种任务所需的软件。
引用
@article{arxiv.2301.04954,
title = {Reaching the Edge of the Edge: Image Analysis in Space},
author = {Robert Bayer and Julian Priest and Pınar Tözün},
journal= {arXiv preprint arXiv:2301.04954},
year = {2023}
}