FenixEdu™

Dissertação

Learning Performance Models of Distributed Computer Vision Methods for Decision Making in Detection and Tracking Algorithms in UAVs EVALUATED

Detalhes: Os UAVs estão a ter cada vez mais aplicações nos últimos tempos. No entanto, os UAVs comerciais de baixo custo podem não possuir o poder computacional necessário para executar algoritmos estado da arte na realização de certas tarefas, afectando negativamente o desempenho. Os sistemas computacionais remotos para onde processamento pesado pode ser transferido surgem como uma solução, embora introduzam latência, o que pode ser indesejável em tarefas em tempo real. Para além disso, se a tarefa for simples, usar um algoritmo local com pior desempenho pode ser aceitável para evitar a latência. Como tal, um método para decidir qual o algoritmo a usar é de grande importância. Consideramos o caso de uso de tarefas de visão computacional, em particular detecção e seguimento. Nestas tarefas, as propriedades da imagem como o brilho, contraste, borrões e desorganização afectam o desempenho do algoritmo. Os nossos métodos propostos usam uma combinação de redes neuronais e máquinas de kernel para estimar o desempenho do algoritmo tendo em conta a imagem. Uma função de custo adequada é depois usada para identificar o melhor algoritmo para a tarefa, dada a imagem, a duração limite da tarefa e a incerteza nas variáveis do algoritmo, em particular o tempo de computação e a taxa de erro. Os resultados mostram que o nosso método supera metodos estado da arte semelhantes, cumprindo restrições de tempo e conduzindo a um desempenho superior.
Keywords: Decisão de algoritmo, Computação de borda, Descarregamento de tarefas, Análise de qualidade de imagem

Discussão: novembro 23, 2021, 15:0