BED:エッジデバイスのための実時間オブジェクト検出システム【JST・京大機械翻訳】

Wang Guanchu; Bhat Zaid Pervaiz; Jiang Zhimeng; Chen Yi-Wei; Zha Daochen; Reyes Alfredo Costilla; Niktash Afshin; Ulkar Gorkem; Okman Erman; Cai Xuanting; Hu Xia

プレプリント

J-GLOBAL ID：202202213529372599 整理番号：22P0290115

BED:エッジデバイスのための実時間オブジェクト検出システム【JST・京大機械翻訳】

BED: A Real-Time Object Detection System for Edge Devices

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年09月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

エッジデバイス上の深いニューラルネットワーク(DNN)の配置は,実世界タスクのための効率的で効果的な解決策を提供する。エッジデバイスを用いて,異なるドメインで大量のデータを効率的に収集する。DNNはデータ処理と解析のための有効なツールである。しかし,エッジデバイス上のDNNの設計は,限られた計算資源とメモリのために困難である。この課題に取り組むために,MAX78000 DNN加速器上のEdgeデバイス(BED)のためのオブジェクト検出システムを実証した。それは,画像取得と検出展示のためのカメラとLCDディスプレイとのデバイスDNN推論を統合する。BEDは,モデル訓練,量子化,合成および展開を含む簡潔で,効果的かつ詳細な解決策である。全リポジトリは,オンチップデバッギングのためのグラフィカルユーザインタフェイス(GUI)を含むGithub上でオープンソースである。実験結果は,BEDが300-KBの小さいDNNモデルで正確な検出を生成でき,それは推定時間の91.9msとエネルギー1.845mJだけを取ることを示した。リアルタイム検出はYouTubeで利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , ,

前のページに戻る