北京科技大学智能视觉参赛队伍 - 对于比赛总结
Posted 卓晴
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了北京科技大学智能视觉参赛队伍 - 对于比赛总结相关的知识,希望对你有一定的参考价值。
简 介: 北京科技大学室内智能视觉组队员对于参加第十六届智能车竞赛进行了总结与展望。
关键词
: 智能车竞赛,北京科技大学,比赛总结,NXP,MiniART,NNCU,TFLITE
§01 参赛体会
一、RT1064系列芯片:
在参赛过程中确实能感受到该系列芯片的强劲性能, 1M的 Flash可以让参赛选手放开手脚,去尝试更多的大数组,实现更多精细策略。
但我在参赛过程中感觉还是存在问题的:
1、有关 RT1064
的网络资料太少了,国内外的网站都很难检索到相关问题。
2、RT1064
好像对供电纹波很敏感,我们的车模在中期时,频繁因为速度过快或上桥时产生静电而重启。
▲ 图1.1.0 总决赛过程中赛道积分过程
二、AI视觉方面:
虽然今年大多数队伍都基本完成了图像识别任务。但是我个人认为,AI
视觉还是受到单片机性能的制约了。由于内存容易溢出,导致在 PC
上训练的神经网络的层数、深度都受到了很大的限制,可变性比较低。同时训练好并量化后的模型在单片机上跑的速度可以更快,总之希望能够有更好的单片机应用在 AI
视觉组上。
▲ 图1.1 参赛队员
三、转换工具
我在比赛时还碰到了 NXP
公司下发的 NNCU
量化工具非常不好用的问题,后面我是转用了 TFLITE
才完成了比赛。
毋庸置疑, AI
视觉组是智能车竞赛中一个很大的创新,最后也是如愿获得了全国一等奖,而且基本上参赛选手都能对 Keras
与 TensorFlow
打下一定的基础,这对学生未来的发展无疑有很大的帮助,希望明天 AI
视觉组能够更加 AI,
提供的设备性能能够更好~
▲ 图1.2.2 智慧视觉目标识别积分过程
§02 展望与建议
一、如果明年能有性能更好的设备,我希望 AI视觉组能够让 AI任务占比更大,同时调整任务目标,让 AI组更有观赏性。
▲ 图2.1 云上比赛过程
二、我觉得在嵌入式 AI组中引入目标检测的相关赛题,也是一个很好的体验。可以与现在热门的 YOLO做一定的结合。当然涉及到目标检测的话,对性能的要求也就更高了。总之希望明年 NXP能够提供性能更优的单片机用于竞赛。
三、今年的 OpenArtMini的底层库没有相应的手册,使用起来很是麻烦,我平时都是查阅星瞳的 OPENMV的手册,两者底层有相似的地方,但是 Mini的功能显然被阉割了,不少的库函数不能使用。希望明年如果有嵌入式 AI组别,在手册这一块需要费点心思,便于选手开发。
四、希望 NXP越来越好,智能车竞赛越办越好~
以上是关于北京科技大学智能视觉参赛队伍 - 对于比赛总结的主要内容,如果未能解决你的问题,请参考以下文章