嵌入式視覺應用中的機器學習

汪鑫豪

摘要 隨著科學技術的不斷發展，目前機器學習已經成為社會發展中一個重要組成，尤其是在嵌入式視覺應用過程中進行機器學習。通過將處理其中進行一個高效的配置設計，從而將可編程邏輯進行有效結合，真正的將可編程邏輯的好處帶給科學工作者，幫助其縮短解決問題方案的設計開發時間。

【關鍵詞】嵌入視覺 機器學習 應用分析

1 機器學習的概述

在嵌入式視覺發展過程中機器學習非常重要，通過機器學習能夠使多種系統升級為視覺引導的自動化系統。而對于嵌入式視覺應用優勢的地方來說，就是相對于其他簡單的機器學習系統來說，嵌入式應用采用的是一種二維輸入的格式，所以在進行嵌入式機器學習過程中，需要我們使用卷積神經網絡結構進行處理二維輸入。這種卷積神經網絡是相似于前饋網絡的一種，通過一個單獨的全連通網絡加上內置卷積層和子采樣層進行相應數據分類。而這種網絡結構較為復雜，其輸入圖像被細分為一系列的重疊小模塊，因此在進行應用前必須要通過激活層來創建激活圖，從而使其真正的應用到全連通網絡上。

2 機器學習框架

因為機器學習本身就是一個非常復雜的問題，因此在進行機器學習框架的構建上，我們必須從頭開始，通過定義網絡構架以及相關的訓練算法，從而保證系統的應用。為了能夠使問題簡單化，可以通過一些行業標準框架的支持進行應用，例如Caffe框架，能夠為我們進行機器學習提供各種模型支持，并且不需要我們從新制定相應的網絡框架建設，直接應用這種框架就能夠開展需要的計算。此外，為了方便我們的重復使用，用戶該能夠通過Modelzoo將自己創建的網絡模型進行共享，從而為我們研究課題提供幫助。

3 實現嵌入式視覺和機器學習

對于實現嵌入式視覺應用及機器學習，我們基于可編程邏輯進行相應辦法的解決，選擇一些可編程邏輯架構與相應的處理系統，從而使其完美的組合，不僅擁有較快的處理反應速度，還能夠方便我們使用者進行修改，真正的提供給我們一個高效的解決方案。在進行應用過程中，對于一些低時延決策與響應循環非常重要。一般視覺引導的自動化機器人的響應時間能夠降低對人員的傷害，因此我們必須要縮短相應時間。為了能夠實現這種設想，可以使用現有的可編程邏輯實現視覺處理的流水處理，這樣使機器學習能夠實現快速化。但是這種方法與傳統的方法相比來說需要減少系統的瓶頸問題。因此在使用CPU/CPU作為處理器時，系統在運算過程中，每進行一步都需要外部的DDR進行幫助，從而導致處理信息不能夠在內部間傳遞。而通過采用ARM技術則能夠提供內部緩存，避免了上述問題的出現，從而降低處理反應的延時現象，并提高了整個系統的穩定性。

通過對系統的設置，在異構SOC中能夠輕松的實現圖像的處理與機器學習網絡，因此我們基于相關工具的幫助，使系統能夠同時支持圖像應用以及機器學習。因此系統內部需要同時支持OpenVX和Caffe框架。而OpenVX框架主要是為了能夠使內核在進行圖像處理時進行加速，并且可以在可編程邏輯中進行，從而幫助建立一個圖像處理流水線。而Caffe框架則主要是為了實現機器學習推斷引擎，負責處理其余的處理工作。在機器學習的推斷引擎實現方案中，對于我們選擇使用的數值表示系統，也對使機器學習的性能產生重要影響。對于目前的機器學習應用研究發展，其開始逐漸加大對更高效的降精度定點數值系統的使用次數。這種系統與傳統的FP32方法相比，不會對數據的精度造成顯著的下降。并且，這種定點數值系統在應用過程中更加方便，可以在可編程邏輯解決方法中理想的實現各種方案。因此，我們在選擇相同內核權重時，可以實現最多兩個高級運輸方案的執行，從而真正的提升了系統的運行能力，并且還能夠有效的降低系統功耗。此外，采用這種可編程邏輯方案靈活性，還能夠更好的實現降精度點數值表達系統的應用效果。

4 應用分析

為了能夠研究嵌入式視覺應用中的機器學習，我們將實際的車輛避碰系統進行分析研究。通過設系統的可編程邏輯中各項功能的不斷優化，從而改善系統的自身響應時間。為了能夠實現GoogLeNet的解決方法，我們將系統的反應時間與傳統的GPU處理反應時間進行比較，二者之間的差距非常明顯。我們設計的嵌入式應用機器學習系統中，其能夠在2.7ms內發現即將出現的碰撞情況，從而采取緊急的措施進行補救。而傳統的GPU處理系統則需要選擇大量的架構進行一定的計算才能夠進行反應，這些都是以犧牲反應時間作為代價換取的，就二者反應時間上的差距，就能夠將碰撞的發生進行決定。

5 結論

綜上所述，因為機器學習范圍較廣，不僅能夠在嵌入式視覺中進行應用，其還能夠在物聯網及云計算中發揮重要的作用。所以，為了能夠真正的顯示出機器學習對各行各業的幫助，因此需要我們不斷的進行學習，不斷創新新型的學習模式，從而有效提高企業的生產能力，保證社會經濟的發展。

參考文獻

[1].Xilinx推出開發者專區，加速嵌入式視覺創新[J]，中國電子商情（基礎電子），2016 （12）：54.

[2]王騰騰，基于圖編程的嵌入式機器視覺算法平臺研究[D].杭州電子科技大學，2016.

[3]王永兵，嵌入式智能視覺測量傳感器設計與應用研究[D].北京理工大學，2015.