BriefGPT - AI 论文速递
·
是否下雨？理解对自主无人机的视觉里程计性能影响和边缘端高效基于 DNN 的雨水分类
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究描述了一个包含335k图像的数据集，用于研究七种不同降水情况下环境扰动对视觉测距系统性能的影响。通过训练深度神经网络模型，实现对这些降水条件的高效准确分类。该模型可作为自主飞行控制器中的扰动估计组件的输入，并实现毫秒级的分类延迟。
🎯
关键要点
- 无人机在自主飞行过程中识别和适应环境变化的能力至关重要。
- 本研究描述了一个包含335k图像的数据集，研究七种不同降水情况下的环境扰动对视觉测距系统性能的影响。
- 通过训练深度神经网络模型，实现对降水条件的高效且准确分类。
- 使用轻量级的MobileNetV3 small模型，内存占用1.28 MB，帧率93 FPS，准确率可达90%。
- 该模型适用于资源受限和延迟敏感的系统，可以作为自主飞行控制器中的扰动估计组件的输入。
- 模型实现毫秒级的分类延迟，能够实时获取环境条件的数据。
- 无人机数据有助于发展更精细化和及时的局部天气预测。
➡️
