Un breve repaso de las implementaciones de redes neuronales profundas para el procesador ARM Cortex-M
Autores: Lucan Oran, Ioan; Seiculescu, Ciprian; Cleanu, Ctlin Daniel
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un breve repaso de las implementaciones de redes neuronales profundas para el procesador ARM Cortex-M
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Redes neuronales profundas
Inferencia en el borde
Microcontroladores de bajo costo
Basados en núcleo ARM Cortex-M
Técnicas de IA
Aplicaciones con recursos limitados
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Las redes neuronales profundas se han vuelto cada vez más utilizadas recientemente para una amplia gama de aplicaciones, (por ejemplo, procesamiento de imágenes y video). La demanda de inferencia en el borde está creciendo, especialmente en áreas relevantes para Internet de las cosas. Los microcontroladores de bajo costo como dispositivos en el borde son una solución prometedora para sistemas de aplicación óptimos desde varios puntos de vista, como: costo, consumo de energía, latencia o ejecución en tiempo real. La implementación de estos sistemas se ha vuelto factible debido al desarrollo avanzado de arquitecturas de hardware y capacidades DSP, mientras que el costo y el consumo de energía se han mantenido en un nivel bajo. El objetivo del artículo es proporcionar una revisión de la literatura sobre la implementación de redes neuronales profundas utilizando microcontroladores de bajo costo basados en núcleo ARM Cortex-M. Como una dirección de investigación emergente, hay un número limitado de publicaciones que abordan este tema en este momento. Por lo tanto, los documentos de investigación que se destacan han sido analizados en mayor detalle, para promover un mayor interés de los investigadores en llevar técnicas de IA a microcontroladores ARM Cortex-M estándar de bajo consumo. El artículo aborda un dominio de investigación de nicho. A pesar del creciente interés manifestado tanto hacia (1) aplicaciones de IA en el borde y (2) contribuciones teóricas en la optimización y compresión de DNN, el número de publicaciones existentes dedicadas al tema actual es bastante limitado. Por lo tanto, una encuesta de literatura exhaustiva utilizando mapeo sistemático no es posible. La presentación se centra en sistemas que han mostrado una eficiencia aumentada en aplicaciones con recursos limitados, así como los impedimentos predominantes que aún obstaculizan su implementación. El lector obtendrá los siguientes conceptos de este artículo: (1) una visión general de aplicaciones, arquitecturas de DNN y resultados obtenidos utilizando microcontroladores basados en núcleo ARM Cortex-M, (2) una visión general de dispositivos de hardware de bajo costo y soluciones de desarrollo de software, y (3) comprensión de tendencias y oportunidades recientes.
Descripción
Las redes neuronales profundas se han vuelto cada vez más utilizadas recientemente para una amplia gama de aplicaciones, (por ejemplo, procesamiento de imágenes y video). La demanda de inferencia en el borde está creciendo, especialmente en áreas relevantes para Internet de las cosas. Los microcontroladores de bajo costo como dispositivos en el borde son una solución prometedora para sistemas de aplicación óptimos desde varios puntos de vista, como: costo, consumo de energía, latencia o ejecución en tiempo real. La implementación de estos sistemas se ha vuelto factible debido al desarrollo avanzado de arquitecturas de hardware y capacidades DSP, mientras que el costo y el consumo de energía se han mantenido en un nivel bajo. El objetivo del artículo es proporcionar una revisión de la literatura sobre la implementación de redes neuronales profundas utilizando microcontroladores de bajo costo basados en núcleo ARM Cortex-M. Como una dirección de investigación emergente, hay un número limitado de publicaciones que abordan este tema en este momento. Por lo tanto, los documentos de investigación que se destacan han sido analizados en mayor detalle, para promover un mayor interés de los investigadores en llevar técnicas de IA a microcontroladores ARM Cortex-M estándar de bajo consumo. El artículo aborda un dominio de investigación de nicho. A pesar del creciente interés manifestado tanto hacia (1) aplicaciones de IA en el borde y (2) contribuciones teóricas en la optimización y compresión de DNN, el número de publicaciones existentes dedicadas al tema actual es bastante limitado. Por lo tanto, una encuesta de literatura exhaustiva utilizando mapeo sistemático no es posible. La presentación se centra en sistemas que han mostrado una eficiencia aumentada en aplicaciones con recursos limitados, así como los impedimentos predominantes que aún obstaculizan su implementación. El lector obtendrá los siguientes conceptos de este artículo: (1) una visión general de aplicaciones, arquitecturas de DNN y resultados obtenidos utilizando microcontroladores basados en núcleo ARM Cortex-M, (2) una visión general de dispositivos de hardware de bajo costo y soluciones de desarrollo de software, y (3) comprensión de tendencias y oportunidades recientes.