АЛГОРИТМ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ДЛЯ СНИЖЕНИЯ ВЕРОЯТНОСТИ ПЕРЕОБУЧЕНИЯ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА НЕЙРОННОМ УСКОРИТЕЛЕ
Аннотация
Основной объём требований в системах раннего обнаружения объектов предъявляется к производительности алгоритмов цифровой обработки изображений, которые реализуются на встраиваемых устройствах с ограниченным вычислительным ресурсом. В задаче раннего обнару- жения объекты на изображениях представлены малым количеством пикселей. Поэтому чтобы обеспечить требуемые характеристики точности алгоритмов поиска и распознавания объектов на изображениях применяют алгоритмы предварительной обработки последовательности видео- кадров для расширения исходного признакового пространства. Обработка изображений высокого разрешения алгоритмами предварительной обработки изображений приводит к неприемлемой временной задержке выполнения алгоритма и является «узким местом» всего алгоритма. В рабо- те предложен алгоритм предварительной обработки последовательности видеокадров для ней- ронного ускорителя с целью расширения признакового пространства, который позволяет увели- чить скорость обработки данных. Это достигается за счет слияний алгоритма предварительной обработки изображений с экстрактором признаков свёрточной нейронной сети и переносом вы- полнения нового экстрактора признаков на вычислительные мощности нейронного ускорителя. Произведена апробация разработанного алгоритма путём проведения вычислительного экспери- мента. На вычислительных устройствах NVIDIA Jetson и Rockchip реализован алгоритм предва- рительной обработки дважды на центральном процессоре и нейронном ускорителе, согласно раз- работанному алгоритму. Получены оценки времени выполнения алгоритмов, которые показыва- ют, что предложенный алгоритм предварительной обработки изображений для нейронного уско- рителя позволяет увеличить скорость обработки данных в 1.4–4 раз в зависимости от типа раз- рядности вычислений. Однако, переход к целочисленному типу вычислений модели СНС с модифи- цированным экстрактором признаков приводит к снижению метрики Mean Average Precision на 5–19.4%, характеризующей интегральную среднюю точность поиска и распознавания объектов на изображениях.
