Português English
Contato

Lista de Disciplinas | CMP177

Detecção de Objetos para aplicações automotivas e aeroespaciais

ResponsávelPaolo Rech
Pré-Requisitos: –
Carga Horária: 60 hs
Créditos: 4
Semestres Oferecidos: Segundo semestre
Matrícula de Graduandos: A matricula deverá ser feita como Aluno Especial

SÚMULA
Revisão de conceitos básicos de sistemas de tempo real, de arquiteturas paralelas ou programáveis, sistemas safety-critical, sistemas em tempo real, e de computação aproximada. Esses conceitos são utilizados para intender ao fundo os sistemas de detecção de objetos por meio de redes neurais, e o utilizo dos mesmos para aplicações automotivas e aeroespaciais. Estudo dos limites de tolerância a falhas e dos possíveis problemas que podem influenciar o correto funcionamento do software.

OBJETIVOS
O objetivo da disciplina é capacitar o aluno a ter uma visão da parte hardware e software duma aplicação, como a detecção de objetos, que, hoje em dia, é essencial para o mercado automotivo e espacial. A disciplina enfatiza o estudo quanto do software que do hardware necessário para detectar objetos em tempo real. São especialmente considerados os problemas e os critérios de segurança que podem afeitar o projeto dum sistema critico.
 
PROGRAMA
1 Introdução. Conceitos de aplicações safety-critical
2 Aplicações automotivas e aeroespaciais
3 Processadores paralelos
4 Processadores programáveis
5 Computação aproximada e limites de energia
6 Detecção de objetos: estado da arte
7 Convolação
8 Função de ativação
9 Detecção de objetos por meio de redes neurais
10 Detecção de objetos por meio de CNN
12 CNN em GPUs
13 CNN em FPGAs
14 GPUs, FPGAs, what else? Automotive vs Aeroespace
15 Simplificação de CNNs
16 Consumo, tempo de resposta, precisão: pudemos ter tudo?
17 Standard ISO 26262.
18 Erros em software, erros em hardware.
19 Efeitos das falhas na execução de redes neurais.
20 Tolerância a falhas em GPUs e FPGAs
21 Técnicas de mitigação para detecção de objetos
22 Consumo, tempo de resposta, precisão, tolerância a falhas: pudemos ter tudo?
23 Palestra 1: Neural Network on GPUs for the automotive Market –
Nirmal Saxena, NVIDIA Corp. (por vídeo conferencia)
24 Palestra 2: Autonomous driving for Mars Rover 2020 –
Steve Guertin, NASA JPL (por vídeo conferencia)
25 Palestra 3: ARM processors for automotive applications –
Peter Harrod, ARM (por vídeo conferencia)
26 Palestra 4: Tolerancia a falhas em FPGAs-Fernanda Kastensmidt
27 Apresentação trabalho