Blog

Sep 27, 2023

Detección de objetos TinyissimoYOLO AI para microcontroladores de baja potencia...

El equipo de ETH que trabaja en TinyissimoYOLO permitió la detección de objetos en la industria

El equipo de ETH que trabaja en TinyissimoYOLO permitió la detección de objetos en microcontroladores industriales con milivatios de potencia y con menos de 500 Kbits de memoria para almacenar pesos de redes neuronales convolucionales (CNN).

La arquitectura de red cuantificada tiene 422k parámetros y permite la detección de objetos en tiempo real en microcontroladores integrados, y puede usar aceleradores CNN que son cada vez más populares en los chips. En particular, la red propuesta se implementó en el microcontrolador MAX78000 logrando una alta velocidad de cuadro de hasta 180 fps y un consumo de energía ultrabajo de solo 196 μJ por inferencia con una eficiencia de inferencia de más de 106 MAC/ciclo.

TinyissimoYOLO se puede entrenar para cualquier detección de múltiples objetos, pero esto aumentará el tamaño y el consumo de memoria de la red, por lo que el equipo mostró la detección de objetos con hasta 3 clases con cuantificación de 8 bits en diferentes microcontroladores, como STM32H7A3, STM32L4R9, Apollo4b y en el acelerador CNN del MAX78000.

El tamaño de la imagen de entrada se eligió para admitir todos los microcontroladores comunes, y el factor limitante es el acelerador CNN del MAX78000, que no admite entradas CNN superiores a 90 × 91 sin usar un modo especializado. Como resultado, se elige una entrada de 88 × 88 porque es una compensación entre maximizar el tamaño de la imagen y poder agrupar las dimensiones de entrada sin redondear las dimensiones hacia abajo.

El documento está en: arxiv.org/pdf/2306.00001.pdf

www.eth.ch