| 面向资源受限无人系统的深度神经网络轻量化软件设计与应用 |
| |
| 引用本文： | 梅继林,杨隆兴,孙自浩,陆顺,邢琰,姜甜甜,胡瑜. 面向资源受限无人系统的深度神经网络轻量化软件设计与应用[J]. 空间控制技术与应用, 2021, 47(6): 9-18. DOI: 10.3969/j.issn.1674-1579.2021.06.002 |
| |
| 作者姓名： | 梅继林 杨隆兴 孙自浩 陆顺 邢琰 姜甜甜 胡瑜 |
| |
| 作者单位： | 中国科学院计算技术研究所,北京100190;中国科学院大学,北京100049;北京控制工程研究所,北京100094;空间智能控制技术重点实验室,北京100094 |
| |
| 摘 要： | 地外探测无人系统具有存储、算力和能量等资源受限的特点.以深度学习为基础的感知、定位和决策算法可有效提升无人系统的智能化水平,而这类算法通常需要高算力,难以直接应用于地外探测无人系统.首先针对剪枝和量化的深度神经网络模型轻量化方法,在公开数据集上对多种算法进行定量分析.其次,提出基于剪枝、量化的轻量化计算方案,实现了基于模块化配置的轻量化计算软件StarLight,对深度神经网络进行快速轻量化和性能评估,解决了模型难以直接应用到计算资源受限系统的问题.最后,基于StarLight,对应用于火星车实验系统中的多种任务模型进行轻量化,在计算功耗≤15 W、计算处理主频≤1.2 GHz和计算存储容量≤1TB的受限资源条件下,实现了深度神经网络模型部署.实验表明,该软件能够满足计算资源受限系统的深度神经网络模型轻量化需求,为进一步提升地外探测无人系统的智能化水平奠定了基础.
|
| 关 键 词： | 地外探测无人系统 深度神经网络 轻量化计算 |
Design and Application of a Lightweight Deep Neural Network Software for Resource Constrained Unmanned Systems |
| |
| MEI Jilin,YANG Longxing,SUN Zihao,LU Shun,XING Yan,JIANG Tiantian,HU Yu. Design and Application of a Lightweight Deep Neural Network Software for Resource Constrained Unmanned Systems[J]. Aerospace Contrd and Application, 2021, 47(6): 9-18. DOI: 10.3969/j.issn.1674-1579.2021.06.002 |
| |
| Authors: | MEI Jilin YANG Longxing SUN Zihao LU Shun XING Yan JIANG Tiantian HU Yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
