Blog

Sep 27, 2023

TinyissimoYOLO AI détection d'objets pour microcontrôleurs basse consommation...

L'équipe de l'ETH travaillant sur TinyissimoYOLO a activé la détection d'objets dans l'industrie

L'équipe de l'ETH travaillant sur TinyissimoYOLO a activé la détection d'objets sur des microcontrôleurs industriels avec des milliwatts de puissance et avec moins de 500 Kbits de mémoire pour stocker les poids du réseau neuronal convolutif (CNN).

L'architecture de réseau quantifié a 422 k paramètres et permet la détection d'objets en temps réel sur des microcontrôleurs embarqués, et peut utiliser des accélérateurs CNN qui sont de plus en plus populaires sur les puces. En particulier, le réseau proposé a été déployé sur le microcontrôleur MAX78000, atteignant une fréquence d'images élevée allant jusqu'à 180 ips et une consommation d'énergie ultra-faible de seulement 196 μJ par inférence avec une efficacité d'inférence de plus de 106 MAC/Cycle.

TinyissimoYOLO peut être entraîné pour toute détection multi-objets, mais cela augmentera la taille et la consommation de mémoire du réseau. L'équipe a donc montré la détection d'objets avec jusqu'à 3 classes avec quantification 8 bits sur différents microcontrôleurs, tels que STM32H7A3, STM32L4R9, Apollo4b et sur l'accélérateur CNN du MAX78000.

La taille de l'image d'entrée a été choisie pour prendre en charge tous les microcontrôleurs courants, et le facteur limitant est l'accélérateur CNN du MAX78000, qui ne prend pas en charge les entrées CNN supérieures à 90 × 91 sans utiliser un mode spécialisé. En conséquence, une entrée de 88 × 88 est choisie car il s'agit d'un compromis entre la maximisation de la taille de l'image et la possibilité de regrouper les dimensions d'entrée sans arrondir les dimensions.

Le document est à: arxiv.org/pdf/2306.00001.pdf

www.eth.ch