> Offres de formation > Offres de thèses

Architecture matérielle embarquée pour odométrie visuelle basée CNN

Défi technologique : Data intelligence dont Intelligence Artificielle (en savoir +)

Département : Département Systèmes et Circuits Intégrés Numériques (LIST)

Laboratoire : Laboratoire Intelligence Artificielle Embarquée

Date de début : 01-10-2022

Localisation : Saclay

Code CEA : SL-DRT-22-0500

Contact : alexandre.chariot@cea.fr

Le sujet de thèse que nous proposons se situe dans le domaine des architectures embarquées pour des algorithmes de perception, en particulier pour de l'odométrie visuelle. Durant cette dernière décennie, les algorithmes d'analyse de flux d'images et de données, dont font partie les algorithmes de vision par ordinateur, ont connu un fort essort suite à l'amélioration significative des réseaux de neurones et à la spécialisation toujours plus forte des architectures de calcul numériques associées. La recherche a permis le développement de réseaux plus efficace, moins gourmands en mémoire et de plus en plus intégrable dans du matériel embarqué. Plusieurs travaux sont en cours actuellement au laboratoire, autour de l'outil N2D2 pour l'optimisation et l'intégration sur matériel embarqué de réseaux de neurones, ainsi qu'autour de l'architecture matérielle embarquée DNeuro. Au sein des systèmes de perception embarqués, les fortes contraintes sur la bande passante et la mémoire entraine l'utilisation privilégiée de données de type éparse (graphes, nuages de points, etc), réduites en quantité de données et contenant des informations particulièrement riches sur l'environnement à analyser. Cependant, la structure non-contiguë et non-prédictible de ces données éparses est très différente d'un flux d'image traditionnel, rendant les architectures matérielles actuelles peu adaptées à leur exécution. Ces caractéristiques particulières laissent cependant présager des opportunités très intéressantes en terme d'optimisation et d'efficacité. Ces travaux de thèse visent à explorer cette classe d'algorithmes et leur capacité d'intégration sous contraintes dans une architecture de calcul embarquée. Nous ciblerons plus particulièrement une fonction de perception critique aujourd'hui sur les systèmes embarqués : la chaîne d'odométrie visuelle (détection/description de points d'intérêt, odométrie). Les problèmes scientifiques qui se posent ici concernent la gestion efficace des données dans un contexte de répartition calculatoire fortement éparse, la compatibilité des algorithmes d'analyse sur donnée éparse avec l'exécution sur cible embarquée et les performances et la précision atteignables sous ces contraintes.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share