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.
