YUVMultiNet：面向自动驾驶的实时 YUV 多任务 CNN
计算机视觉与模式识别
2019-04-12 v1 人工智能
摘要
在本文中，我们提出了一种针对低功耗汽车级 SoC 优化的多任务卷积神经网络（CNN）架构。我们引入了一种基于统一架构的网络，其中编码器由检测和分割这两个任务共享。该网络在 1280x800 分辨率下以 25FPS 运行。我们简要讨论了用于优化网络架构的方法，例如直接使用原生 YUV 图像、层与特征图优化以及应用量化。我们在设计中也关注内存带宽，因为卷积是数据密集型的，且大多数 SoC 受限于带宽瓶颈。随后，我们展示了所提出的网络在专用 CNN 加速器上的效率，给出了从硬件执行及其相应运行时间中获得的检测和分割任务的关键绩效指标（KPI）。
引用
@article{arxiv.1904.05673,
title = {YUVMultiNet: Real-time YUV multi-task CNN for autonomous driving},
author = {Thomas Boulay and Said El-Hachimi and Mani Kumar Surisetti and Pullarao Maddu and Saranya Kandan},
journal= {arXiv preprint arXiv:1904.05673},
year = {2019}
}
备注
This paper is accepted for CVPR workshop demo