Porting of vision and image recognition applications to TIDL environments

Bibliographic Details
Main Author: Ribeiro, Carlos Xavier Fernandes
Publication Date: 2024
Format: Master thesis
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: https://hdl.handle.net/1822/94506
Summary: Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores
id RCAP_4e75c67fc3c999b342d3b03ea6fab53e
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/94506
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Porting of vision and image recognition applications to TIDL environmentsPortabilidade de aplicações de reconhecimento de imagem e visão para ambientes TIDLEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia Eletrónica Industrial e ComputadoresNo mundo da Inteligência Artificial (IA), o desenvolvimento de aplicações relacionadas ao machine learning está a tornar-se cada vez mais relevante. Estas aplicações têm a capacidade de resolver problemas que, até então, eram exclusivamente atribuídos aos seres humanos. Ao confiar essas tarefas a aplicações treinadas e autónomas, é possível aliviar os encargos humanos. No entanto, estas aplicações enfrentam desafios significativos devido à complexidade dos cálculos matemáticos e processamento de imagem necessários. Dado o alto nível computacional exigido por estas aplicações, minimizar o uso de recursos torna-se uma prioridade crucial. Isso implica fazer escolhas cuidadosas em relação ao modelo de machine learning, incluindo considerações sobre o número de camadas e a precisão do modelo. Optar por modelos menos precisos, que consomem menos recursos computacionais, torna-se uma estratégia essencial para otimizar o desempenho em sistemas com recursos limitados. Nesse contexto, esta dissertação tem como objetivo principal elaborar uma aplicação de visão por computador para um sistema embebido. Para alcançar esse objetivo, é fundamental selecionar ferramentas e bibliotecas que abordem os desafios contemporâneos das aplicações de visão. Além disso, é necessário desenvolver um modelo de machine learning que atenda a todos os requisitos essenciais, garantindo que ele possa ser implementado numa placa com recursos limitados. Após a realização destas etapas, será crucial avaliar os recursos disponíveis para melhorar a precisão do modelo e aumentar a taxa de acertos. Esta pesquisa não apenas contribuirá significativamente para o avanço científico, mas também auxiliará na superação dos desafios atuais, capacitando a inferência de uma aplicação de visão utilizando o TIDL. Isso será alcançado por meio de um bloco de camadas que pode ser repetido quantas vezes necessário para adequar o modelo às exigências do kit de desenvolvimento da Texas.In the realm of Artificial Intelligence (AI), the development of machine learning applications is becoming increasingly relevant. These applications have the ability to solve problems that were traditionally handled exclusively by humans. By entrusting these tasks to trained and autonomous applications, we can alleviate human burdens. However, these applications face significant challenges due to the complexity of the required mathematical computations and image processing. Given the high computational demands of these applications, minimizing resource usage becomes a crucial priority. This entails making careful choices regarding the machine learning model, including considerations about the number of layers and model accuracy. Opting for less accurate models that consume fewer computational resources becomes an essential strategy to optimize performance in systems with limited resources. In this context, this dissertation aims to develop a computer vision application for an embedded system. To achieve this goal, it is essential to select tools and libraries that address contemporary challenges in vision applications. Furthermore, it is necessary to develop a machine learning model that meets all essential requirements, ensuring it can be deployed on a board with limited resources. After completing these steps, it will be crucial to assess the available resources to enhance the model’s accuracy and increase the success rate. This research will not only significantly contribute to scientific advancement but also help address current challenges by empowering embedded systems with the ability to efficiently and autonomously perform complex computer vision tasks.Cardoso, PauloUniversidade do MinhoRibeiro, Carlos Xavier Fernandes2024-01-122024-01-12T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/94506eng203710720info:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-01-18T01:17:52Zoai:repositorium.sdum.uminho.pt:1822/94506Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T19:39:42.226178Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Porting of vision and image recognition applications to TIDL environments
Portabilidade de aplicações de reconhecimento de imagem e visão para ambientes TIDL
title Porting of vision and image recognition applications to TIDL environments
spellingShingle Porting of vision and image recognition applications to TIDL environments
Ribeiro, Carlos Xavier Fernandes
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Porting of vision and image recognition applications to TIDL environments
title_full Porting of vision and image recognition applications to TIDL environments
title_fullStr Porting of vision and image recognition applications to TIDL environments
title_full_unstemmed Porting of vision and image recognition applications to TIDL environments
title_sort Porting of vision and image recognition applications to TIDL environments
author Ribeiro, Carlos Xavier Fernandes
author_facet Ribeiro, Carlos Xavier Fernandes
author_role author
dc.contributor.none.fl_str_mv Cardoso, Paulo
Universidade do Minho
dc.contributor.author.fl_str_mv Ribeiro, Carlos Xavier Fernandes
dc.subject.por.fl_str_mv Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores
publishDate 2024
dc.date.none.fl_str_mv 2024-01-12
2024-01-12T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/94506
url https://hdl.handle.net/1822/94506
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 203710720
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833598242918498304

Similar Items