FieldHAR：面向异构传感器神经网络人体活动识别的完全集成端到端RTL框架
信号处理
2024-10-28 v1 硬件体系结构
摘要
本工作中，我们提出开源可扩展端到端RTL框架FieldHAR，用于基于异构传感器、面向FPGA或ASIC集成的神经网络复杂人体活动识别（HAR）。FieldHAR旨在解决缺乏将常限于离线评估的复杂HAR方法转化为高效运行时边缘应用的工具的问题。该框架使用并行传感器接口与基于整数的多分支卷积神经网络（CNNs），以支持以各传感器最大速率同步采样的灵活模态扩展。为验证框架，我们采用前一离线研究中演示的富传感器厨房场景HAR应用。通过资源感知优化，FieldHAR生成的整个RTL方案从数据采集到ANN推理仅占用低端Cyclone IV FPGA的25%逻辑单元与2%存储位，且相较原始FP32精度离线研究精度损失小于1%。该RTL实现相较基于MCU的方案亦具优势，包括更优数据采集性能及几乎消除ANN推理瓶颈。
引用
@article{arxiv.2305.12824,
title = {FieldHAR: A Fully Integrated End-to-end RTL Framework for Human Activity Recognition with Neural Networks from Heterogeneous Sensors},
author = {Mengxi Liu and Bo Zhou and Zimin Zhao and Hyeonseok Hong and Hyun Kim and Sungho Suh and Vitor Fortes Rey and Paul Lukowicz},
journal= {arXiv preprint arXiv:2305.12824},
year = {2024}
}
备注
This work has been accepted by 2023 ASAP conference