एनीटाइम-लिडार: टाइम-अवेयर 3डी ऑब्जेक्ट डिटेक्शन
रियल टाइम वस्तु का पता लगाना सेल्फ ड्राइविंग कारों का एक महत्वपूर्ण हिस्सा। हालांकि, वर्तमान दृष्टिकोण ऑब्जेक्ट डिटेक्शन सिस्टम के समय और कम्प्यूटेशनल गुणों को गतिशील रूप से बदलने की अनुमति नहीं देते हैं। arXiv.org पर एक हालिया पेपर मशीन लर्निंग-आधारित ऑब्जेक्ट डिटेक्शन पाइपलाइनों के लिए रनटाइम लचीलापन प्रदान करने के लिए एक नई विधि का प्रस्ताव करता है।
शोधकर्ता मॉडल की रीढ़ को संशोधित करते हैं ताकि इसे न्यूनतम प्रयास के साथ आंशिक रूप से चलाया जा सके। इसके अतिरिक्त, सूक्ष्म निष्पादन समय-सटीकता ट्रेड-ऑफ की अनुमति देने के लिए डिटेक्शन हेड्स का एक सबसेट छोड़ा जा सकता है। प्रक्षेपण तंत्र स्किप किए गए शीर्षों के कारण सटीकता के संभावित नुकसान की भरपाई करता है। एक दो-चरण अनुसूचक बैकबोन, डिटेक्टर हेड का प्रबंधन करता है, और समय सीमा को पूरा करते हुए डिटेक्शन सटीकता को अधिकतम करने के लक्ष्य के साथ प्रोजेक्शन चलता है।
परिणाम बताते हैं कि प्रस्तावित विधि इसकी रनटाइम आवश्यकता को 50% तक कम कर सकती है और इसकी वैकल्पिक विधि की तुलना में बेहतर सटीकता प्रदान कर सकती है।
इस काम में, हम एक नया शेड्यूलिंग फ्रेमवर्क पेश करते हैं जो डीप न्यूरल नेटवर्क (DNN)-आधारित 3D ऑब्जेक्ट डिटेक्शन पाइपलाइनों के लिए किसी भी समय पहचान को सक्षम बनाता है। हम कम्प्यूटेशनल रूप से महंगे रीजन प्रपोजल नेटवर्क्स (RPNs) और मल्टी-हेडेड डिटेक्टर घटकों पर ध्यान केंद्रित करते हैं जो प्रत्येक श्रेणी के लिए 3D ऑब्जेक्ट डिटेक्शन पाइपलाइनों में आम हैं और उन्हें समय सीमा-जागरूक बनाते हैं। हम एक शेड्यूलिंग एल्गोरिथम का प्रस्ताव करते हैं जो फ्लाई पर प्रभावी समय-सटीकता ट्रेडऑफ़ बनाने के लिए बुद्धिमानी से घटकों के एक सबसेट का चयन करता है। पहले से खोजी गई वस्तुओं को वर्तमान दृश्य में अनुमान द्वारा प्रक्षेपित करके, हम तंत्रिका नेटवर्क के कुछ उप-घटकों को छोड़ कर सटीकता के नुकसान को कम करते हैं। हम पॉइंटपिलर्स के लिए अपना दृष्टिकोण लागू करते हैं, जो एक अत्याधुनिक 3डी ऑब्जेक्ट डिटेक्शन नेटवर्क है, और जेटसन जेवियर एजीएक्स पर इसके प्रदर्शन का मूल्यांकन nuScenes डेटासेट का उपयोग करके करते हैं। बेसलाइन की तुलना में, हमारा दृष्टिकोण विभिन्न समय सीमा बाधाओं के तहत नेटवर्क सटीकता में काफी सुधार करता है।
शोध पत्र: सोयिगिट, ए., याओ, एस., और यूं, एच., “एनीटाइम-लिडार: डेडलाइन-अवेयर 3डी ऑब्जेक्ट डिटेक्शन”, 2022। संपर्क: https://arxiv.org/abs/2208.12181
