Blog

Sep 27, 2023

TinyissimoYOLO Rilevamento oggetti AI per microcontrollori a bassa potenza ...

The team at ETH working on TinyissimoYOLO enabled object detection on industry

Il team dell'ETH che lavora su TinyissimoYOLO ha consentito il rilevamento di oggetti su microcontrollori industriali con milliwatt di potenza e con meno di 500 Kbit di memoria per la memorizzazione dei pesi della rete neurale convoluzionale (CNN).

L'architettura di rete quantizzata ha parametri da 422 k e consente il rilevamento di oggetti in tempo reale su microcontrollori incorporati e può utilizzare acceleratori CNN che sono sempre più popolari sui chip. In particolare, la rete proposta è stata implementata sul microcontrollore MAX78000 ottenendo un frame rate elevato fino a 180 fps e un consumo energetico estremamente basso di soli 196 μJ per inferenza con un'efficienza di inferenza superiore a 106 MAC/ciclo.

TinyissimoYOLO può essere addestrato per qualsiasi rilevamento di più oggetti, ma ciò aumenterà le dimensioni e il consumo di memoria della rete, quindi il team ha mostrato il rilevamento di oggetti con un massimo di 3 classi con quantizzazione a 8 bit su diversi microcontrollori, come STM32H7A3, STM32L4R9, Apollo4b e sull'acceleratore CNN del MAX78000.

La dimensione dell'immagine in ingresso è stata scelta per supportare tutti i microcontrollori comuni e il fattore limitante è l'acceleratore CNN del MAX78000, che non supporta ingressi CNN superiori a 90×91 senza utilizzare una modalità specializzata. Di conseguenza viene scelto un input di 88×88 perché è un compromesso tra la massimizzazione delle dimensioni dell'immagine e la possibilità di eseguire il pooling sulle dimensioni di input senza arrotondare le dimensioni per difetto.

Il documento è disponibile all'indirizzo: arxiv.org/pdf/2306.00001.pdf

www.eth.ch