传感器内机器学习：面向下一代物联网的计算赋能智能传感器
信号处理
2024-08-01 v1 硬件体系结构
系统与控制
系统与控制
摘要
智能传感器是一项新兴技术，允许在靠近传感器的边缘设备上直接将数据采集与处理相结合。为将这一概念推向极致，科技公司正在提出新一代传感器方案，将智能从边缘主机设备（通常是微控制器）直接转移到超低功耗传感器本身，从而进一步减小体积、降低成本和提高能效。本文评估了 STMicroelectronics 提出的一种新颖且有前景的解决方案。该传感器集成了浮点单元和二值神经网络加速器，具备传感器内特征提取和机器学习能力。我们对全精度网络和二值神经网络在传感器自身生成的加速度计数据上的行为识别任务进行了对比实验。实验结果表明，传感器使用全精度网络可实现 10.7 cycles/MAC 的推理性能，与基于 Cortex-M4 的微控制器相当；使用大型二值模型可实现低延迟推理下 1.5 cycles/MAC 的推理性能，核心运行在 5 MHz 时平均功耗仅为 90 J/次推理。
引用
@article{arxiv.2407.21508,
title = {Machine Learning In-Sensors: Computation-enabled Intelligent Sensors For Next Generation of IoT},
author = {Andrea Ronco and Lukas Schulthess and David Zehnder and Michele Magno},
journal= {arXiv preprint arXiv:2407.21508},
year = {2024}
}