面向物联网摄像机的低功耗 onboard 计算机视觉 - HyperCam
计算机视觉与模式识别
2025-01-22 v1 机器学习
神经与进化计算
图像与视频处理
摘要
我们提出了 HyperCam，一个能效高的图像分类管道，使计算机视觉任务能够在低功耗物联网摄像机系统上运行。HyperCam 利用高维计算进行训练和推断，以在低功耗微控制器上高效实现。我们实现了一个低功耗无线摄像机平台，并演示了 HyperCam 在 MNIST、Fashion-MNIST、人脸检测和人脸识别任务中分别可达到 93.60%、84.06%、92.98% 和 72.79% 的准确率，同时在资源效率方面显著优于其他分类器。具体而言，它在推断延迟为 0.08-0.27 秒的同时，使用闪存内存 42.91-63.00KB 和 RAM 22.25KB（峰值）。在 SVM、xgBoost、MicroNets、MobileNetV3 和 MCUNetV3 等其他机器学习分类器中，HyperCam 是唯一能够在保持竞争内存占用和推断延迟的同时实现竞争准确率的分类器。
引用
@article{arxiv.2501.10547,
title = {HyperCam: Low-Power Onboard Computer Vision for IoT Cameras},
author = {Chae Young Lee and Pu and Yi and Maxwell Fite and Tejus Rao and Sara Achour and Zerina Kapetanovic},
journal= {arXiv preprint arXiv:2501.10547},
year = {2025}
}