用于边缘端实时视觉处理的超低功耗 TinyML 系统
图像与视频处理
2023-06-02 v2 人工智能
机器学习
摘要
微型机器学习（TinyML）在资源和功耗严格受限的系统上执行 AI 工作负载，是一个重要且具有挑战性的课题。本文首先提出一种极小的骨干网络，用于构建面向各种视觉任务的高效 CNN 模型。随后，将专门设计的神经协处理器（NCP）与 MCU 互连，构建超低功耗 TinyML 系统，该系统将所有特征和权重片上存储，完全消除了片外存储器访问的延迟与功耗。此外，进一步提出一种专用指令集以实现敏捷开发与快速部署。大量实验表明，基于我们的模型、NCP 和指令集所提出的 TinyML 系统在以 30FPS 实现目标检测与识别时，取得了可观的精度，并达到了 160mW 的创纪录超低功耗。演示视频可在 \url{https://www.youtube.com/watch?v=mIZPxtJ-9EY} 获取。
引用
@article{arxiv.2207.04663,
title = {An Ultra-low Power TinyML System for Real-time Visual Processing at Edge},
author = {Kunran Xu and Huawei Zhang and Yishi Li and Yuhao Zhang and Rui Lai and Yi Liu},
journal= {arXiv preprint arXiv:2207.04663},
year = {2023}
}
备注
5 pages, 5 figures