|
РАСПОЗНАВАНИЕ ОБРАЗОВ
Об ускорении архитектуры сверточной нейронной сети на базе ResNet в задаче распознавания объектов дорожной сцены
М. Г. Лобановa, Д. Л. Шоломовbc a Московский государственный университет им. М.В. Ломоносова, г. Москва, Россия
b Институт проблем передачи информации им. А.А. Харкевича Российской академии наук, г. Москва, Россия
c Национальный исследовательский технологический университет ”МИСиС”, г. Москва, Россия
Аннотация:
В настоящее время подходы к детектированию объектов дорожной сцены на основе свёрточных нейронных сетей достигли приемлемого уровня для использования их в задачах автономного управления транспортным средством и ADAS системах. Однако как правило, лучшие современные сетевые архитектуры достаточно тяжеловесны и не могут быть использованы в системах реального времени. В связи с этим наиболее остро стоит проблема ускорения сетей и нахождения оптимального баланса между скоростью и качеством их работы. В данной работе предложен метод облегчения архитектуры Deformable Convolutional Network с базовой сетью ResNet, дающий трехкратное увеличение скорости прямого прохода. При этом качество детектирования объектов дорожной сцены уменьшается не столь существенно. Кроме того, в работе приведено сравнение качества работы сети данной архитектуры при обучении на различных открытых наборах данных – BDD и MS-COCO.
Ключевые слова:
детектор объектов, объекты дорожной сцены, deformable convolutional network, ResNet, ADAS системы, ускорение сверточной сети, BDD, MS-COCO, распознавание пешеходов, распознавание машин.
Образец цитирования:
М. Г. Лобанов, Д. Л. Шоломов, “Об ускорении архитектуры сверточной нейронной сети на базе ResNet в задаче распознавания объектов дорожной сцены”, ИТиВС, 2019, № 3, 57–65
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/itvs353 https://www.mathnet.ru/rus/itvs/y2019/i3/p57
|
Статистика просмотров: |
Страница аннотации: | 228 | PDF полного текста: | 505 |
|