Faster R-CNN generalizált kvantálása

A tétel rövid nézete
dc.contributor.advisorLakatos, Róbert
dc.contributor.authorMenyhárt, Tamás
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2025-06-30T14:00:00Z
dc.date.available2025-06-30T14:00:00Z
dc.date.created2025-04-25
dc.description.abstractA Faster Region-based Convolutional Network (Faster R-CNN) hatékony objektumdetektáló modell, azonban nagy mérete és jelentős számítási kapacitásigénye korlátozza alkalmazhatóságát beágyazott rendszerekben és valós idejű környezetekben. A kvantálás bevált módszerek a modellek méretének és számítási igényének csökkentésére, azonban a Faster R-CNN teljes körű kvantálására jelenleg nem létezik nyílt forráskódú általános implementáció. Ennek legfőbb oka, hogy az architektúra egyes komponenseit azok szerkezeti sajátosságai miatt külön-külön szükséges kvantálni. Dolgozatunkban bemutatunk egy általános Faster R-CNN kvantáló algoritmust, amelyhez készített implementációnk nyílt forráskódú és kompatibilis a PyTorch ökoszisztémájával. Megoldásunk 67,2%-kal csökkenti a modell méretét és 50,4%-kal redukálja az észlelési időt, miközben a tesztadatokon mért pontosságot 8,2%-os hibahatáron belül ± 3,4% szórással megtartja. Eredményeink igazolják, hogy a javasolt módszer hatékonyan alkalmazható a Faster R-CNN teljes körű kvantálására, ezáltal lehetőséget teremt a modell alacsony fogyasztású hardvereken való futtatására. Ez különösen fontos olyan alkalmazásokban, mint az önvezető járművek, beágyazott szenzorrendszerek és valós idejű biztonsági megfigyelés, ahol a gyors és energiahatékony objektumdetektálás kulcsfontosságú.
dc.description.courseAdattudomány
dc.description.degreeMSc/MA
dc.format.extent39
dc.identifier.urihttps://hdl.handle.net/2437/395098
dc.language.isohu
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectkvantálás
dc.subject.dspaceInformatika
dc.titleFaster R-CNN generalizált kvantálása
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
1.45 MB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)