一种嵌入式GPU上的实时图像语义分割方法

• 作者: 董建升 袁景凌 钟忺
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 语义分割 深度学习 嵌入式GPU TensorRT
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图形与图像技术及其他
• 页码范围: 2445-2449
• 页数: 5页
• 分类号: TP391
• 字数: 4099字
• 语种: 中文

摘要

复杂的深度学习网络在嵌入式平台上的推理速度较低,很难满足实际应用需求.因此针对自动驾驶、智能机器人等实时性应用背景,提出了一个轻量级图像语义分割网络,并利用NVIDIA的推理加速器TensorRT进行合并层、精度校准、并行优化等操作,提高模型的计算效率,在嵌入式平台上实现了对深度学习模型的推理加速.实验结果表明,提出的模型在Cityscapes数据集上取得了72. 17%的mIoU,对于尺寸为512×1024的输入图像,经过TensorRT的推理加速后,在嵌入式平台NVIDIA Jetson Xavier上达到了45 FPS的推理速度,该速度约为原模型的1. 8倍.提出的模型和优化方法在保留较高准确度的前提下,实现了嵌入式平台上的实时图像语义分割,为深度学习模型在嵌入式平台上的实时性应用提供了支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁景凌	武汉理工大学计算机科学与技术学院	57	356	11.0	16.0
5	钟忺	武汉理工大学计算机科学与技术学院	13	34	4.0	5.0
6	董建升	武汉理工大学计算机科学与技术学院	1	0	0.0	0.0