微控制器上的亚毫瓦关键词 spotting：模拟二值特征提取与二值神经网络
声音
2022-01-12 v1 人工智能
硬件体系结构
音频与语音处理
摘要
关键词 spotting（KWS）是一项关键功能，使我们能够与周围众多普适智能设备进行交互，无论是通过唤醒词激活它们，还是直接作为人机接口。对于许多应用，KWS 是我们与设备交互的入口点，因此是一种始终开启的工作负载。许多智能设备是移动的，其电池寿命受到持续运行服务的严重影响。因此，KWS 及类似的始终开启服务是优化整体功耗时的重点。本工作针对低成本微控制器单元（MCU）上的 KWS 能效问题。我们将模拟二值特征提取与二值神经网络相结合。通过用所提出的模拟前端替代数字预处理，我们表明数据采集和预处理所需的能量可降低 29 倍，使其在我们参考 KWS 应用整体能耗中的占比从主导性的 85% 降至仅 16%。在 Speech Commands Dataset 上的实验评估表明，所提出的系统在 10 类数据集上分别比最先进准确率和能效高出 1% 和 4.3 倍，同时提供了引人注目的准确率-能耗权衡，包括以 2% 的准确率下降换取 71 倍能耗降低。
引用
@article{arxiv.2201.03386,
title = {Sub-mW Keyword Spotting on an MCU: Analog Binary Feature Extraction and Binary Neural Networks},
author = {Gianmarco Cerutti and Lukas Cavigelli and Renzo Andri and Michele Magno and Elisabetta Farella and Luca Benini},
journal= {arXiv preprint arXiv:2201.03386},
year = {2022}
}