BED：一种面向边缘设备的实时目标检测系统
计算机视觉与模式识别
2022-09-27 v4 人工智能
机器学习
摘要
在边缘设备上部署深度神经网络（DNNs）为现实世界任务提供了高效且有效的解决方案。边缘设备已用于在不同领域高效地收集大量数据。DNNs 已成为数据处理与分析的有效工具。然而，由于计算资源和内存有限，在边缘设备上设计 DNNs 具有挑战性。为应对这一挑战，我们在 MAX78000 DNN 加速器上展示了面向边缘设备的目标检测系统（BED）。它将设备端 DNN 推理与摄像头和 LCD 显示屏分别集成，用于图像采集与检测展示。BED 是一个简洁、有效且详尽的方案，包括模型训练、量化、综合与部署。整个代码库已在 Github 上开源，包含一个用于片上调试的图形用户界面（GUI）。实验结果表明，BED 能以一个 300-KB 的微型 DNN 模型实现准确检测，其推理时间仅需 91.9 ms，能耗为 1.845 mJ。实时检测演示可在 YouTube 上查看。
引用
@article{arxiv.2202.07503,
title = {BED: A Real-Time Object Detection System for Edge Devices},
author = {Guanchu Wang and Zaid Pervaiz Bhat and Zhimeng Jiang and Yi-Wei Chen and Daochen Zha and Alfredo Costilla Reyes and Afshin Niktash and Gorkem Ulkar and Erman Okman and Xuanting Cai and Xia Hu},
journal= {arXiv preprint arXiv:2202.07503},
year = {2022}
}