UPAQ：面向自动驾驶车辆的实时能效3D目标检测框架
计算机视觉与模式识别
2025-01-09 v1 人工智能
机器学习
摘要
为提升自动驾驶车辆（AVs）的感知能力，近期研究聚焦于3D目标检测器，相较传统2D目标检测器能提供更全面的预测，但代价是更大的内存占用与计算资源消耗。我们提出一种新框架UPAQ，利用半结构化模式修剪与量化技术，提高基于激光LiDAR点云与摄像头的3D目标检测器在资源受限嵌入式AV平台上的效率。实验表明，在Jetson Orin Nano嵌入式平台上，UPAQ对Pointpillar与SMOKE模型分别实现了最高可达5.62倍与5.13倍的模型压缩率，最高可达1.97倍与1.86倍的推理速度提升，最高可达2.07倍与1.87倍的能源消耗降低，显著优于当前最先进的模型压缩框架。
引用
@article{arxiv.2501.04213,
title = {UPAQ: A Framework for Real-Time and Energy-Efficient 3D Object Detection in Autonomous Vehicles},
author = {Abhishek Balasubramaniam and Febin P Sunny and Sudeep Pasricha},
journal= {arXiv preprint arXiv:2501.04213},
year = {2025}
}