為了確保自動(dòng)駕駛的安全性，必須實(shí)時(shí)執(zhí)行物體檢測(cè)。盡管如此，無(wú)人駕駛汽車(chē)中使用的GPU必須便宜且節(jié)能。它使當(dāng)前使用的對(duì)象檢測(cè)技術(shù)無(wú)法執(zhí)行此任務(wù)。

最近的一篇論文建議將網(wǎng)絡(luò)增強(qiáng)和修剪搜索與增強(qiáng)學(xué)習(xí)相結(jié)合。這樣，該框架會(huì)自動(dòng)生成統(tǒng)一的網(wǎng)絡(luò)增強(qiáng)和修剪方案。然后，將根據(jù)方案生成的模型的性能反饋給生成器。

該系統(tǒng)非常靈活，并且可以自定義到最低層。它支持編譯器，并在搜索空間探索期間考慮了編譯器優(yōu)化的影響。實(shí)驗(yàn)表明，可以在諸如Samsung Galaxy S20之類(lèi)的設(shè)備上實(shí)現(xiàn)實(shí)時(shí)3D對(duì)象檢測(cè)。表現(xiàn)可與最新作品媲美。

3D對(duì)象檢測(cè)是一項(xiàng)重要任務(wù)，尤其是在自動(dòng)駕駛應(yīng)用領(lǐng)域。然而，在自動(dòng)駕駛汽車(chē)的邊緣計(jì)算設(shè)備上以有限的計(jì)算和內(nèi)存資源來(lái)支持實(shí)時(shí)性能具有挑戰(zhàn)性。為了實(shí)現(xiàn)這一目標(biāo)，我們提出了一個(gè)具有編譯器感知能力的統(tǒng)一框架，該框架將網(wǎng)絡(luò)增強(qiáng)和修剪搜索與增強(qiáng)學(xué)習(xí)技術(shù)結(jié)合在一起，以便能夠在資源受限的邊緣計(jì)算設(shè)備上實(shí)時(shí)推斷3D對(duì)象檢測(cè)。具體來(lái)說(shuō)，使用生成器遞歸神經(jīng)網(wǎng)絡(luò)(RNN)來(lái)提供統(tǒng)一的方案，以自動(dòng)進(jìn)行網(wǎng)絡(luò)增強(qiáng)和修剪搜索，而無(wú)需人工專(zhuān)門(mén)知識(shí)和協(xié)助。統(tǒng)一方案的評(píng)估性能可以反饋給訓(xùn)練發(fā)電機(jī)RNN。

　　免責(zé)聲明：本文由用戶(hù)上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！