机构名称：
¥ 1.0
由于卫星部件尺寸和成本的减小，卫星的使用范围越来越广。因此，一些规模较小的组织已经有能力部署卫星，并在卫星上运行各种数据密集型应用程序。一种流行的应用是图像分析，用于检测陆地、冰、云等，以进行地球观测。然而，卫星中部署的设备的资源受限性质给这种资源密集型应用带来了额外的挑战。在本文中，我们介绍了为卫星构建图像处理单元 (IPU) 的工作和经验教训。我们首先研究各种边缘设备（比较 CPU、GPU、TPU 和 VPU）在卫星上进行基于深度学习的图像处理的性能。我们的目标是确定能够实现准确结果并在工作负载变化时具有灵活性的设备，同时满足卫星的功率和延迟限制。我们的结果表明，ASIC 和 GPU 等硬件加速器对于满足延迟要求至关重要。然而，最先进的配备 GPU 的边缘设备可能会消耗过多的电力，无法部署在卫星上。然后，我们使用从性能分析中获得的结果来指导即将进行的卫星任务的 IPU 模块的开发。我们详细介绍了如何将此类模块集成到现有的卫星架构中，以及利用此模块支持各种任务所需的软件。
到达边缘的边缘：太空图像分析
主要关键词
相关文件推荐
