Loading...
[SSC21-I-12]
机构名称：

[SSC21-I-12]

¥ 1.0
热度

随着发射的成本暴跌，现在比以往任何时候都更容易进入轨道。这导致了每年发射的卫星数量的扩散，导致每天的数据的链接下降。地面站收到的数据通常是未经处理的，这使得考虑到大型数据大小，并且并非所有数据都有用。这加上对实时数据处理的需求不断增长，导致对轨道处理解决方案的需求不断增长。在这项工作中，我们通过将不同的图像压缩技术应用于卫星数据来研究基于CNN的对象检测器在受约束设备上的性能。我们检查了Nvidia Jetson Nano和Nvidia Jetson Agx Xavier的功能；低功率，高性能计算机，具有集成的GPU，足够小，可以在板载纳米卫星上装配。我们仔细研究了对象检测网络，包括单镜头多伯克斯检测器（SSD）和基于区域的完全卷积网络（R-FCN）模型，这些模型已在DOTA上进行了预训练 - 在空中图像中用于对象检测的大型数据集。性能是根据执行时间，内存消耗和准确性来衡量的，并与包含具有两个功能强大GPU的服务器的基线进行比较。结果表明，通过应用图像压缩技术，我们能够改善执行时间和内存消耗，从而实现完全可运行的数据集。无损压缩技术的执行时间大约减少了10％，记忆消耗降低了3％，对准确性没有影响。虽然有损耗的压缩技术将执行时间提高了144％，并且记忆消耗减少多达97％。但是，它对准确性有重大影响，具体取决于压缩比。因此，这些压缩技术的应用和比率可能会根据特定任务所需的准确性水平而定。

添加pdf代下载 VIP点击下载文件

[SSC21-I-12]

Facebook Twitter Instagram Mail

主要关键词

[SSC21-I-12]PDF文件第1页

[SSC21-I-12]PDF文件第2页

[SSC21-I-12]PDF文件第3页

[SSC21-I-12]PDF文件第4页

[SSC21-I-12]PDF文件第5页

相关文件推荐

SSC21-P1-10
2021 年

SSC21-P1-10

¥1.0