Développement d'outils de vision artificielle embarquée avec Deep Learning

Abstract

e mémoire de Master est axé sur le développement d'outils de vision artificielle destinée aux systèmes embarqués avec l'usage du Deep Learning (DL). En premier lieu, l'apprentissage d'un réseau de neurones convolutif (CNN) pour la reconnaissance des panneaux de signalisation routière est effectu éave cMatlab Deep Learning Toolbox en utilisant la base de données Road Sign Detection avec quatre (04) classes contenant environ un millier d'images. Ensuite, le hardware d'un système de vision par ordinateur est construit autour d'un Raspberry Pi 4 Model B et embarqué sur un robot mobile à deux roues motrices. Enfin ,le modèle du réseau de neurones obtenu sur Matlab après apprentissage est exporté en format de fichie ronn xave cl alibrairi eONN Xe timplément ésu rl eRaspberry Pi 4 avec l'environnement d'exécution ONNX Runtime interprété par Python 3. Les résultats de l'apprentissage, les temps d'acquisition et d'inférence des images, la capacité en mémoire utilisée, la consommation énergétique du système et la précision du modèle sur le Raspberry Pi sont rapportés dans le document.