【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
15. DOC.ID 2012/02/08
MapR [調査1] パーミッション権限 (3/3 Volume概念図)
Volume:
・Diskキャパシティ管理
・NameContainer、DataContainerの管理境界
・上記に関連するReplication数やsnapshotの境界
アクセス可否はHDFSの
パーミッションで制御 1 HDFS 1
全サイト共有
1
n n
n
サイトユーザ n 1 1 n
サイト Volume
(データ利用者)
1 n
n
管理ユーザ
サイトユーザと管理ユーザは (Volume管理者) n Volumeに直接紐付くのは
同じでも別でもよい 管理ユーザ
DFSとユーザ(mapreduce, dfs利用者)の間に立つものではない。
DFSに対して一定の監視を行い、運用管理者に付加的な情報を与える存在。
P 14 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
Print 12/2/13 1時10分
17. DOC.ID 2012/02/08
MapR [調査2] FairScheduler (2/3 pool内割当)
FairSchedulerを利用して、
一つのテナントから複数のJobが実行された場合の動作を確認。
スケジューリングモードは「 schedulingMode=Fair」で設定。
poolの設定 Priorityには、以下の5種類がある。
VERY_HIGH(4.0), HIGH(2.0), NORMAL(1.0), LOW(0.5), VERY_LOW(0.25)
Max Slot数 12
Priority 優先度 割当Slot数
Job A Job B Job A Job B Job A Job B
NORMAL 実行なし 1.0 ---- 12 0
NORMAL NORMAL 1.0 1.0 6 6
NORMAL HIGH 1.0 2.0 4 8
NORMAL VERY_HIGH 1.0 4.0 2 10
pool内の合計Slot数が、poolの設定Slot数を守るように分配される。
優先度に応じてSlot数が計算され、各JobにSlotが割り当てられる。
P 16 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
18. DOC.ID 2012/02/08
MapR [調査2] FairScheduler (3/3 pool間割当)
FairSchedulerを利用して、
複数のテナントから同時にJobが実行された場合の動作を確認
FairSchedulerでは、pool毎に設定されたMin/Max値の遵守を基本とし、
それを満たした上で、極力poolごとの割当量を平等に保つ。
クラスタの設定 合計
合計Map Slot数 8 Slots
12 Slots
合計PreFetch Slot数 4 Slots
pool A Map Slot数 pool B Map Slot数 割当Slot数
Max Min Max Min pool A pool B
未設定 未設定 実行なし 12 0 → 1Jobの場合、クラスタの全Slotを割り当てる。
10 未設定 実行なし 10 0 → Max Slot数よりも多くは割り当てない。
未設定 5 実行なし 12 0 → 1Jobの場合、Min Slot数に意味はない。
未設定 未設定 未設定 未設定 6 6 → 2Jobの場合、クラスタの全Slotを平等に割り当てる。
5 未設定 5 未設定 5 5 → 2Jobの場合も、Max Slot数が割当上限となる。
未設定 10 未設定 未設定 10 2 → Min Slot数分のSlotは、最優先で高く割り当てられる。
→ Min Slot数の合計が、合計Slot数を超えている場合、
未設定 20 未設定 10 8 4
その割合に応じてSlotが配分される。
→ Min Slot数の合計が、合計Slot数未満の場合、
未設定 7 未設定 3 7 5
余剰Slotは、割当の尐ないpoolから割り当てられる。
P 17 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
19. DOC.ID 2012/02/08
MapR [検証1] Load処理, Job実行 (1/6 処理内容, 実行環境)
処理内容①: Load処理
set mapred.reduce.tasks=100;
– じゃらんPVデータ1か月分のロード。
CREATE TABLE search AS
– NFSからMFSへのロード処理を行う。 SELECT
count(row_no),
処理内容②: Job実行 (Select処理) search_engine,
– じゃらんPVデータ1か月分に対し、 search_engine_keywords
検索キーワード、検索エンジンによる FROM
GroupBy+CountのJOBを実行。(詳細右表) pv_data
GROUP BY
– 各テナントは別ユーザでJOBを実行し、 search_engine,
FairSchedulerにより別プールで管理される。 search_engine_keywords
実行環境 ;
– IBM BladeCenter HS21 × 14
CPU : Intel(R) Xeon(R) CPU 5130 @ 2.00GHz × 4コア
Memory : 8GB
Disk : 30GB × 2
Network : Gigabit Ethernet × 2
– Software/Middle ware
OS : CentOS 5.7
MapR : MapR 1.2.0
P 18 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
44. DOC.ID 2012/02/08
リクルートでのMapR
早いだけじゃダメ・・・!
– もし、何かあったらどうする?
– もしがかなりの重要性をしめる場合がある
– 保守/サポートがないとすごい不安に思う人たちもい
る
– 保守サポートだとCDH(NTTデータさん)の方の圧勝
– ドキュメントやトレーニングも充実させてほしい。
もう尐し保守/サポートを強化してほしい。
P 43 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
Print 12/2/13 1時10分
45. DOC.ID 2012/02/08
全社Hadoop
MapR or CDHを利用した、新しい全社Hadoop環
境を現在検討しております。
P 44 Copyright(C)2012 Recruit Co.,Ltd All rights reserved
Print 12/2/13 1時10分