Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
В работе представлен аналитический обзор высокопроизводительных архитектур нейронных сетей, предназначенных для классификации и обнаружения объектов на изображениях, а также обзор методов сжатия нейронных сетей. Проведена оценка быстродействия одноэтапных нейросетевых детекторов SqueezeDet, Tiny-YOLO, YOLO, с использованием различного оборудования. Вычисления проводились на компьютере с графическим процессором Nvidia Ge Force GTX 1070, ноутбуке без графической карты, вычислителе Nvidia Jetson Tx2 и микрокомпьютере Raspberry Pi 3 Model B. Решена задача обнаружения деревянных кубов мобильным роботом.
The paper presents an analytical review of high-performance neural network architectures for classification and detection of objects in images, as well as an overview of neural network compression methods. The performance of one-stage neural network detectors SqueezeDet, Tiny-YOLO, YOLO was evaluated using various equipment. The calculations were carried out on a computer with a graphics processor Nvidia Ge Force GTX 1070, a laptop without a graphics card, a computer Nvidia Jetson Tx2 and a microcomputer Raspberry Pi 3 Model B. The problem of wooden cubes detection by a mobile robot is solved.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- ВВЕДЕНИЕ
- 1 Математическое описание основных элементов сверточной нейронной сети
- 1.1 Искусственный нейрон
- 1.2 Сверточный слой
- 1.3 Слой субдискретизации
- 1.4 Слой нормализации батча
- 1.5 Полносвязный слой
- 1.6 Формулировка задач работы
- 1.7 Вывод по разделу
- 2 Методы сжатия и ускорения нейронных сетей
- 2.1 Низкоранговое разложение (low rank factorization)
- 2.2 Квантизация (quantization)
- 2.3 Глубокое сжатие (Deep compression)
- 2.4 Вывод по разделу
- 3 Архитектуры высокопроизводительных нейронных сетей для классификации изображений
- 3.1 Архитектура MobileNets
- 3.2 Архитектура SqueezeNet
- 3.3 Вывод по разделу
- 4 Архитектуры высокопроизводительных нейронных сетей для обнаружения объектов на изображениях
- 4.1 Архитектура SqueezeDet
- 4.2 Сравнительный анализ SqueezeDet и YOLO
- 4.3 Вывод по разделу
- 5 Разработка системы технического зрения мобильного робота, проведение экспериментального исследования
- 5.1 Постановка задачи и создание наборов данных
- 5.2 Описание системы технического зрения
- 5.2 Экспериментальное исследование
- 5.3 Вывод по разделу
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Usage statistics
Access count: 85
Last 30 days: 0 Detailed usage statistics |