论文题名: | 面向RISC-V平台的ADAS目标检测算法移植与评测 |
关键词: | 高级辅助驾驶系统;目标检测;RISC-V模型;全卷积神经网络 |
摘要: | 高级辅助驾驶系统(AdvancedDrivingAssistanceSystem,ADAS)是典型的智能物联网(ArtificialIntelligenceInternetofThings,AIoT)应用,目标检测是其中重要的感知任务之一。受限于硬件资源,ADAS中基于AI的目标检测方法在车载系统中较难落地。第五代精简指令集(ReducedInstructionSetComputingV,RISC-V)作为新型指令集架构,非常适合AIoT场景,有望推动ADAS应用的落地。但目前缺乏ADAS应用向RISC-V平台移植的实践经验和评测数据,面向ADAS的RISC-VCPU设计缺少相关参考依据。 为探索面向ADAS的目标检测算法向RISC-V平台移植的可行性,提出了一套评测方案。第一,评测了四种ADAS检测算法向RISC-V移植后的性能变化,比较了检测网络中,下采样的池化或全卷积实现的速度与精度。第二,针对RISC-V的基础整数指令集有RV32E、RV32(64)I的不同实现,而RV32E只使用RV32(64)I中32个通用寄存器的前16个,更适合嵌入式环境。由于目前没有支持RV32E的实验环境,因此展开了检测网络对寄存器使用占比的评测,旨在为RISC-V的整数指令集的选择提供依据。 上述实验基于RISC-V的指令模拟器Spike展开,数据集选用CommonObjectsinContext(COCO)的子集COCO-ADAS。实验结果表明,模型移植到RISC-V平台后精度不会发生变化。相比下采样的池化实现,全卷积网络前向推理的RISC-V指令数目下降了32.3%,精度下降了13.1%。因此用卷积来实现下采样更有速度优势,更适合ADAS此类关注实时性的场景。寄存器使用占比的评测结果表明,目标检测网络的计算对前16个寄存器的使用占比达到了81.4%,对后16个寄存器的使用占比仅为18.6%,说明对前16个寄存器使用更频繁。因此面向ADAS的RISC-VCPU可选只使用16个寄存器的RV32E作为基础整数指令集,以降低硬件实现复杂性。 |
作者: | 王庆 |
专业: | 计算机技术 |
导师: | 金海 |
授予学位: | 硕士 |
授予学位单位: | 华中科技大学 |
学位年度: | 2021 |