FenixEdu™

Dissertação

FPGA-Based Traffic-Sign Classification EVALUATED

Detalhes: O objectivo deste trabalho consiste no desenvolvimento de um sistema embebido hardware/software, numa plataforma SoC-FPGA, para a detecção de sinais de trânsito. Os Sistemas Avançados de Assistência ao Condutor correspondem a um componente crucial nos carros autónomos. Uma das principais tarefas deste tipo de sistemas é reconhecer sinais de trânsito. Os sistemas de reconhecimento recentes são tipicamente baseados em Redes Neuronais Convolucionais. Por serem sistemas críticos de segurança, o processamento de imagem tem de ser efectuado em tempo real. O sistema desenvolvido utiliza uma Rede Neuronal Convolucional para fazer o reconhecimento. A rede é composta por duas camadas convolucionais e duas fully connected, e classifica 43 sinais de trânsito (German Traffic Sign Recognition Benchmark) com uma probabilidade de acerto de 97.2% (após quantização). O sistema é composto por um multi-processador dedicado para acelerar as camadas convolucionais, que constituem 93% do tempo total de execução do programa e um processador genérico que computa as camadas Fully Connected, em software. A solução proposta, implementada no dispositivo Zynq 7020, consegue um ritmo de classificação de 8 classificações/s utilizando apenas um elemento de processamento, o que corresponde a uma aceleração de cinco vezes em relação a uma solução apenas em software. A arquitectura é totalmente escalável (até 36 elementos de processamento no dispositivo Zynq 7020), e com apenas quatro elementos de processamento atinge os requisitos de tempo real (aproximadamente 60ms por classificação) utilizando apenas 17% dos recursos disponíveis.
Keywords: Reconhecimento de Sinais de Trânsito, Redes Neuronais Convolucionais, Hardware/Software Co-design, Aceleração Hardware, Systems on Chip

Discussão: junho 28, 2019, 14:30