文献

J-GLOBAL ID：202102249150853996   整理番号：21A0894351

R-TOD:自律運転のための最小エンドツーエンド遅延を持つ実時間オブジェクト検出器【JST・京大機械翻訳】

R-TOD: Real-Time Object Detector with Minimized End-to-End Delay for Autonomous Driving

著者 (5件)： Jang Wonseok (Kookmin University,Graduate School of Automotive Engineering,Korea) ,  Jeong Hansaem (Kookmin University,Graduate School of Automotive Engineering,Korea) ,  Kang Kyungtae (Hanyang University,Department of Computer Science and Engineering,Korea) ,  Dutt Nikil (University of California,Department of Computer Science,Irvine,USA) ,  Kim Jong-Chan (Kookmin University,Graduate School of Automotive Engineering,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： RTSS  ページ： 191-204  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 安全な自律運転を実現するために,リアルタイム物体検出システムのエンドツーエンド遅延を徹底的に解析,最小化しなければならない。しかし,最小推論遅延を持つニューラルネットワークの最近の開発にもかかわらず,その検出が報告されるまで,オブジェクトの外観からエンドツーエンド遅延に,驚くほど注意が払われていない。この動機により,本論文では,正確な最良および最悪ケース遅延予測が定式化され,3つの最適化手法が実行される,エンドツーエンド遅延のより包括的な理解を提供することを目指した。(i)オンデマンド捕獲,(ii)ゼロスラックパイプライン,(iii)コンテンションフリーパイプライン。この実験結果は,Darknet YOLO(YouのみLook 1回)v3(1070msから261ms)のエンドツーエンド遅延の76%の低減を示し,それによって自律駆動のためのエンドツーエンド遅延解析を利用する大きな可能性を実証した。さらに,システムアーキテクチャを改変し,ニューラルネットワークアーキテクチャ自体を変化しないので,提案アプローチは検出精度にペナルティを生じなかった。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化手法 ,  *ニューラルネットワーク ,  捕獲 ,  定式化 ,  ペナルティ ,  システムアーキテクチャ
準シソーラス用語： オンデマンド ,  *物体検出 ,  検出精度 ,  ニューラルネットワークアーキテクチャ ,  エンドツーエンド遅延 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： TOD ,  自律 ,  エンドツーエンド遅延 ,  実時間 ,  オブジェクト ,  検出器