Prepoznavanje objekata na RISC-V arhitekturi računala

master's thesis

• Title (english): Object Detection on RISC-V Platform
• Author: Borna Budimir-Bekan
• Mentor: Vladimir Čeperić (mentor)
• Committee member: Vladimir Čeperić (predsjednik povjerenstva)
• Committee member: Zoran Kalafatić (član povjerenstva)
• Committee member: Marko Koričić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2025-02-25, Croatia

Abstract

Računalni vid i detekcija objekata postali su ključni segmenti modernih sustava umjetne inteligencije, pri čemu se sve više istražuju alternativne hardverske platforme koje omogućuju njihovu izvedbu. Ovaj rad analizira mogućnosti primjene RISC-V arhitekture u kontekstu računalnog vida, s posebnim naglaskom na izvedbu detekcije objekata na VisionFive 2 jednopločnom računalu.

U prvom dijelu rada predstavljene su temeljne značajke RISC-V arhitekture te usporedba s popularnijim ARM i x86 rješenjima. Također se istražuju tehničke specifikacije VisionFive 2 uređaja, njegova kompatibilnost s modernim softverskim bibliotekama te ograničenja koja proizlaze iz nedovršene GPU podrške.

Eksperimentalni dio rada obuhvaća implementaciju i testiranje YOLO i MobileNet SSD modela na VisionFive 2. Analizirane su performanse u pogledu brzine inferencije na CPU-u te potencijalni dobitci uz buduću GPU akceleraciju. Rezultati pokazuju da iako VisionFive 2 može izvršavati osnovne zadatke računalnog vida, postoje značajna ograničenja u odnosu na konkurentske SBC uređaje poput Raspberry Pi-a, prvenstveno zbog nedostatka optimiziranih drivera i podrške za hardversku akceleraciju.

Zaključni dio rada ističe ključne izazove i moguća poboljšanja za buduću implementaciju računalnog vida na RISC-V platformama. Iako se RISC-V pokazuje kao perspektivna alternativa zatvorenim arhitekturama, potrebno je daljnje usavršavanje softverskog ekosustava kako bi se postigla bolja integracija s modernim AI modelima.

Abstract (english)

Computer vision and object detection have become essential components of modern artificial intelligence systems, prompting increased exploration of alternative hardware platforms for their implementation. This paper examines the feasibility of utilizing RISC-V architecture for computer vision applications, with a particular focus on object detection performance on the VisionFive 2 single-board computer.

The first part of the paper introduces the fundamental features of RISC-V architecture and compares it with more widely adopted ARM and x86 solutions. Additionally, the technical specifications of the VisionFive 2 device are analyzed, including its compatibility with modern software libraries and the limitations arising from incomplete GPU support.

The experimental section involves the implementation and benchmarking of YOLO and MobileNet SSD models on VisionFive 2. The study evaluates inference performance using the CPU and explores the potential benefits of future GPU acceleration. The results indicate that while VisionFive 2 can handle basic computer vision tasks, it faces significant limitations compared to competing SBC devices like the Raspberry Pi, primarily due to the lack of optimized drivers and hardware acceleration support.

The conclusion highlights key challenges and potential improvements for the future development of computer vision applications on RISC-V platforms. Although RISC-V presents a promising alternative to proprietary architectures, further enhancements in its software ecosystem are required to achieve better integration with modern AI models.

• Keywords: RISC-V; računalni vid; OpenCL; ugradbeni sustavi; VisionFive 2; LiteRT; YOLO; MobileNet SSD
• Keywords (english): RISC-V; computer vision; OpenCL; embedded systems; VisionFive 2; LiteRT; YOLO; MobileNet SSD
• Language: croatian
• URN:NBN: urn:nbn:hr:168:944339
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2025-03-12 11:05:30