PERSPECTIVAS PARA A INTEGRAÇÃO DE EDGE AI E ADAS EM SMARTPHONES: ANÁLISE DE DESEMPENHO E LIMITAÇÕES NA UTILIZAÇÃO DE ALGORITMOS DE APRENDIZADO PROFUNDO
Sistemas Avançados de Assistência ao Condutor (ADAS)
Inteligência Artificial na Borda (Edge AI)
Dispositivos Móveis (Smartphones)
Aprendizagem Profunda (Deep Learning)
Processamento em Tempo Real
Análise de Desempenho
Os Sistemas Avançados de Assistência ao Condutor (ADAS) têm se tornado cada vez mais relevantes na indústria automotiva, visando melhorar a segurança e o conforto na condução. Paralelamente, o avanço da Inteligência artificial na Borda (Edge AI) e a evolução dos smartphones abrem novas possibilidades para a implementação de soluções ADAS em dispositivos móveis. Esta dissertação analisa o desempenho e a viabilidade de algoritmos de aprendizado profundo para ADAS em smartphones, considerando as limitações de recursos e os requisitos de processamento em tempo real. Por meio de uma revisão da literatura e análise de benchmarks, são investigadas as principais arquiteturas de redes neurais otimizadas para dispositivos móveis, MobileNet, EfficientNet e YOLO-Tiny, bem como os frameworks e ferramentas disponíveis para o desenvolvimento de Edge AI. O impacto das recentes evoluções em Sistemas em Chip (SoCs) na aceleração de IA móvel são avaliados e discutidas as técnicas de otimização essenciais para a implementação eficiente de ADAS em smartphones. Os resultados desta pesquisa fornecem insights sobre o estado atual e as perspectivas futuras da integração de ADAS em dispositivos móveis, contribuindo para o avanço da segurança veicular e da computação móvel.