Düşük Maliyetli Tek Kart Bilgisayarlar için Edge TPU Hızlandırıcı İle Uyumlu Nesne Tespiti Modelleri Geliştirilmesi

Yilmaz A., Uzunçayir I. E., Çatalbaş B.

ELECO 2024, Elektrik-Elektronik ve Biyomedikal Mühendisliği Konferansı, Bursa, Türkiye, 28 - 30 Kasım 2024, ss.1-5

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Bursa
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-5
  • Yıldız Teknik Üniversitesi Adresli: Evet

Özet

Son 10 yılda derin öğrenme modellerindeki gelişmelerin ivme kazanması ile beraber nesne tespiti, nesne takibi, ses işleme ve analizi gibi yapay zeka uygulamaları ile gündelik hayatta sıklıkla karşılaşılmaya başlanmıştır. Bu alanlardaki yazılım tabanlı gelişmeler beraberinde yüksek maliyetli donanım gereksinimlerini de getirmiştir. Bu çalışmada, akademide ve pratikte sıklıkla kullanılan nesne tespiti modellerinin üzerinde çalışacağı Raspberry PI 4-5 ve Jetson Nano gibi düşük maliyetli gömülü kart bilgisayarlar performans anlamında karşılaştırılmış ve yeni çözümler geliştirilmiştir. Bu çözümlerin temelinde Raspberry PI gibi işlem yükü CPU’da olan daha düşük performanslı kart bilgisayarlar için geliştirilen Edge TPU yardımcı işlemcisi yer almaktadır. Tek kart bilgisayarlar için geliştirilen nesne tespiti modelleri Edge TPU ile  uyumlu olacak şekilde eğitilmiş ve kamera üzerinden gerçek zamanlı nesne tespiti gerçekleştirilerek performans kriterleri hesaplanmıştır.

With the rapid advancements in deep learning models over the last decade, artificial intelligence applications such as object detection, object tracking, and audio processing and analysis have become increasingly prevalent in everyday life These software-based advancements have brought with them the need for high-cost hardware. In this study, low-cost embedded single-board computers, such as Raspberry Pi 4-5 and Jetson Nano, which are frequently used in academia and practice, have been compared in terms of performance while running object detection models, and new solutions have been developed. At the core of these solutions lies the Edge TPU co-processor, designed for lower-performance single-board computers like the Raspberry Pi, where the computational load is handled by the CPU. The object detection models developed for single-board computers have been trained to be compatible with the Edge TPU, and real-time object detection was performed using a camera, with performance metrics being calculated.