Оптимізація систем комп'ютерного зору для використання із обмеженими апаратними платформами
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
Дослідження присвячене оптимізації моделей YOLO для систем комп'ютерного зору на обмежених апаратних платформах, зокрема Raspberry Pi 5. Основна увага приділена використанню високопродуктивного інференс-рушія NCNN для ефективного виконання нейромережевих моделей.
The study is dedicated to optimizing YOLO models for computer vision systems on resource-constrained hardware platforms, specifically the Raspberry Pi 5. The primary focus is on utilizing the high-performance NCNN inference engine for efficient execution of neural network models. A comprehensive set of optimization approaches is considered, including weight quantization, the selection of optimal YOLO architectures (YOLOv8n, YOLOv11n), and integration with hardware accelerators.
The study is dedicated to optimizing YOLO models for computer vision systems on resource-constrained hardware platforms, specifically the Raspberry Pi 5. The primary focus is on utilizing the high-performance NCNN inference engine for efficient execution of neural network models. A comprehensive set of optimization approaches is considered, including weight quantization, the selection of optimal YOLO architectures (YOLOv8n, YOLOv11n), and integration with hardware accelerators.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Довгань Д. С., Азаров О. Д., Антонович Т. М. Оптимізація систем комп'ютерного зору для використання із обмеженими апаратними платформами // V Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 11-12 листопада 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2025/paper/view/26170.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (1)
- Official OpenCV Documentation [Електронний ресурс]. - Режим доступу: https://docs.opencv.org/ Ultralytics YOLO Documentation [Електронний ресурс]. - Режим доступу: https://docs.ultralytics.com/ Tencent NCNN Framework Documentation [Електронний ресурс]. Режим доступу: https://github.com/Tencent/ncnn Raspberry Pi 5 Technical Specifications [Електронний ресурс]. -Режим доступу: https://www.raspberrypi.com/documentation/ MAVLink Protocol Documentation [Електронний ресурс]. - Режим доступу: https://mavlink.io/en/ Redmon, J., & Farhadi, A. (2018). YOLOv3: An Incremental Improvement. arXiv preprint arXiv:1804.02767. Jocher, G., et al. (2023). Ultralytics YOLOv8: State-of-the-Art Object Detection. Ultralytics. Wang, J., et al. (2021). NCNN: A High-Performance Neural Network Inference Framework Optimized for Mobile Platforms. Tencent. TensorRT Optimization Guide [Електронний ресурс]. Режим доступу: https://docs.nvidia.com/deeplearning/tensorrt/ OpenVINO Toolkit Documentation [Електронний ресурс]. - Режим доступу: https://docs.openvino.ai/ Comparative Analysis of Real-time Object Detectors for Embedded Systems / K. Zhang et al. - Journal of Real- Time Image Processing, 2023.