Neuroverkkokiihdytystä käyttävän konenäkösovelluksen toteutus
Yrjänäinen, Jukka (2019)
Yrjänäinen, Jukka
2019
Sähkötekniikka
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2019-02-15
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201902251262
https://urn.fi/URN:NBN:fi:tty-201902251262
Tiivistelmä
Tässä työssä tarkastellaan syviä neuroverkkoja käyttävän konenäkösovelluksen toteuttamista. Tutkimuksen käytettiin Raspberry Pi pienoistietokone ympäristöä, johon on liitetty neuroverkkolaskentaa nopeuttava erillinen laite: Movidius Neural Computing Stick. Työn tavoitteena oli selvittää, miten kyseinen järjestelmä soveltuu konenäkötehtäviin erityisesti tuotekehitys- ja tutkimustyön näkökulmasta.
Tutkimuksen alussa esitellään yleisesti neuroverkkolaskennan periaatteita ja käytettyjä ohjelmistoympäristöjä. Seuraavaksi tutustutaan laskennan nopeuttamiseen suunniteltuun neuroverkkokiihdyttimeen. Tämän jälkeen tarkastellaan lähemmin konenäkösovelluksen käytännön toteuttamiseen käytetyn laitteiston ja ohjelmiston keskeisiä ominaisuuksia ja esitellään työssä kehitettyjen ohjelmistojen keskeiset suunnitteluratkaisut. Lopuksi raportoidaan tehtyjen suorituskykymittausten tulokset ja niistä vedetyt johtopäätökset.
Mittauksista nähdään, että tutkittu järjestelmä on riittävän suorituskykyinen reaaliaikaisiin konenäkösovelluksiin. Käytetyt ohjelmointiympäristöt ovat joustavia ja sopivat erilaisten ratkaisujen nopeaan kehitykseen ja testaamiseen. Yhteenvetona tutkimuksen tuloksista voidaan sanoa, että työssä käytetty laite- ja ohjelmistoympäristö soveltuu varsin hyvin konenäköön ja neuroverkkoihin liittyvään tuotekehitys- ja tutkimustyöhön.
Tutkimuksen alussa esitellään yleisesti neuroverkkolaskennan periaatteita ja käytettyjä ohjelmistoympäristöjä. Seuraavaksi tutustutaan laskennan nopeuttamiseen suunniteltuun neuroverkkokiihdyttimeen. Tämän jälkeen tarkastellaan lähemmin konenäkösovelluksen käytännön toteuttamiseen käytetyn laitteiston ja ohjelmiston keskeisiä ominaisuuksia ja esitellään työssä kehitettyjen ohjelmistojen keskeiset suunnitteluratkaisut. Lopuksi raportoidaan tehtyjen suorituskykymittausten tulokset ja niistä vedetyt johtopäätökset.
Mittauksista nähdään, että tutkittu järjestelmä on riittävän suorituskykyinen reaaliaikaisiin konenäkösovelluksiin. Käytetyt ohjelmointiympäristöt ovat joustavia ja sopivat erilaisten ratkaisujen nopeaan kehitykseen ja testaamiseen. Yhteenvetona tutkimuksen tuloksista voidaan sanoa, että työssä käytetty laite- ja ohjelmistoympäristö soveltuu varsin hyvin konenäköön ja neuroverkkoihin liittyvään tuotekehitys- ja tutkimustyöhön.
Kokoelmat
- Kandidaatintutkielmat [8453]