Kuvakohteiden tunnistus koneoppimisen ja reunalaskennan avulla

Abstract

Tämän työn tarkoituksena oli tutkia, voidaanko ohjelmoitavia porttimatriiseja eli FPGA-piirejä hyödyntää reaaliaikaiseen hahmontunnistukseen. FPGA-pohjaisen reunalaskennan avulla hahmontunnistusta voidaan hyödyntää tavallista edullisemmin, sillä osa tunnistuksesta on mahdollista suorittaa lähellä datankeräyspaikkaa kustannus- ja energiatehokkailla FPGA-piireillä. Tällöin suuria määriä kerättyä kuvadataa ei tarvitsisi siirtää verkon kautta suuritehoista näytönohjaimia hyödyntäville palvelimille.

Hahmontunnistukseen käytettiin YOLOv3- ja YOLOv3-tiny -hahmontunnistusmalleja, jotka koulutettiin tunnistamaan Cernin hiukkaskiihdyttimessä syntyvien hiukkassuihkujen lähteitä kuvatiedosta. Koulutetut mallit kvantisoitiin kahdeksanbittiseen esitystapaan ja mallien FPGA-kiihdytettyä suorituskykyä testattiin PYNQ-Z2-kehitysalustalla. Näitä tuloksia verrattiin kvantisoimattomien mallien näytönohjainkiihdytettyyn suorituskykyyn. Näytönohjainkiihdytteiset mallit toimivat yli 100 kuvan käsittelynopeudella ja parhaimmillaan yli 80%:n keskimääräisella tarkkuudella. Myös FPGA-kiihdytteinen hahmontunnistus saavutti FPGA-alustalla yli 30 kuvan käsittelynopeuden, mutta kvantisoitujen mallien tarkkuus ei yltänyt tasolle, jolla mallien käyttämisestä olisi todellista hyötyä.