MIT系统将深度学习AI带入“物联网”设备 MCUNet

最新推荐文章于 2023-01-03 11:07:30 发布
最新推荐文章于 2023-01-03 11:07:30 发布
阅读量534 收藏 2
点赞数 1
分类专栏： 科技专栏 文章标签： AI MCU 图像处理 物联网 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30404573/article/details/109718715
版权

MCUNet Visual Wake Word Demo on a $10 Microcontroller


在这里插入图片描述
先进技术可以在家用电器上实现人工智能，同时提高数据安全性和能源效率。

深度学习无处不在。人工智能的这一分支负责管理您的社交媒体并提供您的Google搜索结果。不久，深度学习还可以检查您的体能或设置恒温器。麻省理工学院的研究人员开发了一种系统，可以将深度学习神经网络带到新的甚至更小的地方，例如可穿戴医疗设备中的微型计算机芯片，家用电器以及构成“物联网”的2500亿其他物体。

该系统称为MCUNet，它设计了紧凑的神经网络，尽管内存和处理能力有限，但它们为IoT设备上的深度学习提供了空前的速度和准确性。该技术可以促进物联网领域的扩展，同时节省能源并提高数据安全性。

这项研究将在下个月的神经信息处理系统会议上发表。主要作者是吉林，他是麻省理工学院电气工程和计算机科学系宋汉实验室的博士研究生。共同作者包括麻省理工学院的Han和Yujun Lin，麻省理工学院和台湾国立大学的陈伟明以及MIT-IBM Watson AI Lab的John Cohn和Chuang Gan。

物联网

物联网诞生于1980年代初期。卡内基·梅隆大学

最低0.47元/天 解锁文章
甲客实验室
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
推荐项目：MCUNet - 微控制器上的轻量级深度学习框架
gitblog_00035的博客
04-26 358
推荐项目：MCUNet - 微控制器上的轻量级深度学习框架 项目地址:https://gitcode.com/mit-han-lab/mcunet MCUNet 是一个由 MIT Han Lab 开发的创新项目，旨在将深度学习模型部署到资源受限的微控制器（MCU）上，实现真正的边缘计算。该项目的核心目标是让低功耗、低成本的硬件设备也能具备人工智能能力。 技术分析 MCUNet 采用了以下关键技术：...
ONE Tech推出可直接在MCU中嵌入和训练AI模型的世界首个边缘AI开发套件
美国商业资讯的博客
01-18 195
该AI驱动解决方案让用户能直接在数十亿台计算能力有限的设备上训练机器学习模型 达拉斯--(美国商业资讯)--边缘AI技术的全球领导者ONE Tech今天宣布推出MicroAI™ Atom软件开发套件(SDK)，并已在ONE Tech开发人员门户网站上提供公开下载。此SDK让用户可以在基于微控制器单元(MCU)的硬件上直接实施ONE Tech的机器学习平台MicroAI™ Atom。 MicroAI™ Atom SDK将智能带到了端点，也即数据的源头，以加速机器学习模型的构建和采用，同时降低部..
【Paper Reading】MCUNet：物联网设备上的微型深度学习
点赞的都能无bug通过！
03-20 6572
MCUNet: Tiny Deep Learning on IoT Devices 本文纯翻译，原文见：https://arxiv.org/abs/2007.10319 目录MCUNet: Tiny Deep Learning on IoT DevicesAbstract1 Introduction2 Background3 MCUNet: 系统算法协同设计3.1 TinyNAS: 两阶段NAS，用于微小的内存限制3.2 TinyEngine：一个高效内存推理库4 Experiment4.1 设置4.2 微
深度学习论文: MCUNet: Tiny Deep Learning on IoT Devices及其PyTorch实现
mingo_敏
03-08 7763
深度学习论文: MCUNet: Tiny Deep Learning on IoT Devices及其PyTorch实现 MCUNet: Tiny Deep Learning on IoT Devices PDF: https://arxiv.org/pdf/2007.10319.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPytorch PyTorch代码: https://github.com/shanglianlm0525/PyTorch-N
[NAS]MCUNet: Tiny Deep Learning on IoT Devices
qq_37151108的博客
06-04 3305
基于MCU的微型物联网设备上进行深度学习是一个吸引人但又有挑战性的任务，因为MCU的内存比手机端还要小2-3个数量级。本文提出的MCUNet框架将高效的神经网络架构搜索TinyNAS和轻量级的推理引擎TinyEngine相结合，能够实现在MCU上进行ImageNet的推理。 
TinyNAS采用两阶段的NAS搜索方法，首先对搜索空间进行优化满足资源约束，然后在优化后的搜索空间中设计网络结构，这样可以在较低的搜索成本下满足对设备、延迟、功耗、内存等的约束条件。 
TinyEngine则是一个内存高效的推理引擎
AI人工智能课程 MIT 2019公开课-深度学习基础知识PPT 共69页.pdf
07-14
AI人工智能课程 MIT 2019公开课-深度学习基础知识PPT 共69页.pdf
AI人工智能课程 MIT 2019公开课-深度学习的最新技术PPT 共60页.pdf
最新发布
07-14
AI人工智能课程 MIT 2019公开课-深度学习的最新技术PPT 共60页.pdf
通俗易懂！MIT《深度强化学习》课程，附Slides
04-24
MIT最新深度学习课程关于《深度强化学习课程》，附Slides。
人工智能_深度学习_行业前沿_百度人工智能发展现状
01-01
本文主要探讨了人工智能，特别是深度学习在百度的发展现状和对行业的影响。百度作为中国领先的科技公司，一直在人工智能领域进行深入研究，并取得了显著的成果。以下是文章的详细内容： 首先，百度深度学习研究院...
基于深度学习的列车监控系统的设计与实现（大创）.zip
02-19
综上所述，"基于深度学习的列车监控系统的设计与实现（大创）"项目运用了人工智能和深度学习技术，通过Python编程实现了对列车运行状态的实时监控和故障预测。它展示了现代科技如何提升铁路运输的安全性和可靠性，...
【文献阅读】MCUNet: Tiny Deep Learning on IoT Devices
qq_18283353的博客
07-16 462
一种高效网络架构搜索(TinyNAS)与轻量推理引擎(TinyEngine)联合设计的方案。它可以使得ImageNet级别的推理在微处理器上进行运行。
深度学习论文: MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning及其PyTorch实现
mingo_敏
03-08 699
深度学习论文: MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning及其PyTorch实现 MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning PDF: https://arxiv.org/pdf/2110.15352.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPyt
MUCNetV2
whaosoft143ai的博客
01-03 432
​ 疑非常困难！研究者采用NAS对网络架构与推理机制进行联合优化得到了本次分享的MCUNetV2。所提推理机制能大幅降低峰值内存达4-8倍。 所推MCUNetV2取得了MCU端新的ImageNet分类记录71.8% ；更重要的是，MCUNetV2解锁了MCU端执行稠密预测任务的可能性，如目标检测取得了比已有方案高16.9%mAP@VOC的指标。本研究极大程度上解决了TinyDL的内存瓶颈问题，为图像分类之外的其他视觉应用铺平了道路 。whaosoft aiot http://143ai.com ​
【论文笔记】MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning
m0_61899108的博客
02-19 1417
论文 论文题目：MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning 收录于：NeurIPS 2021 论文地址：https://arxiv.org/abs/2110.15352 项目地址：MCUNet Abstract 由于有限的内存，MCU(MicroController Units, MCU)端的TinyDL极具挑战性。我们发现：内存瓶颈源于CNN设计导致的内存分布不平衡，即网络的前几个模块.
内存瓶颈和计算负载问题一举突破？韩松团队提出MUCNetV2：解锁MCU端新纪录！...
qq_29462849的博客
11-01 511
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨happy编辑丨极市平台导读本文是MIT韩松团队继MCUNet之后关于MCU 端TinyDL的又一次突破，已被NeurIPS...
MCU-NET交互报文序列号设计巧妙
GKoSon的博客
05-31 241
void mqtt_send_get_qrinfo( void ) { printc("\r\n\r\n%s",__FUNCTION__); mqtt_return_comm_request(SERVICE_TYPE_COMMON, CMD_TYPE_GET_QR_INFO , SEQ_ID_NULL ); } void mqtt_send_get_passrule( void...
TensorFlow Lite深度学习Arduino微控制器
跨学科知识视角展现
11-15 1011
关联知识 Python Arduino 机器学习 TensorFlow 介绍 应用架构 模型介绍 动作部件 进行测试 基础流程 图像提供器 检测响应器 检测人 部署到微型控制器 Arduino SparkFun Edge …更多 详情参阅http://viadean.com/arduino_tinyml_tensorflow_detection.html ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值