O documento apresenta sobre redes neurais convolucionais (CNNs) em sistemas embarcados. Discute as diferenças entre CNNs e redes neurais totalmente conectadas, demonstrando como as CNNs podem ser implementadas de forma eficiente em hardware limitado através de compartilhamento de pesos e campos receptivos locais. Apresenta exemplos de arquiteturas CNN populares como VGG-16, MobileNet e aplicações de detecção e classificação de imagens em dispositivos móveis.
10. Em uma rede neural típica,
os neurônios da camada
de entrada são conectados
a todos os neurônios da
camada seguinte
(FC : Fully Connected Layer)
11. Em uma rede neural típica,
os neurônios da camada
de entrada são conectados
a todos os neurônios da
camada seguinte
(FC : Fully Connected Layer)
12. Em uma rede neural típica,
os neurônios da camada
de entrada são conectados
a todos os neurônios da
camada seguinte
(FC : Fully Connected Layer)
13. Em uma rede CNN, apenas uma pequena região
de neurônios da camada de entrada se conecta
aos neurônios da camada seguinte
(campos receptivos locais)
Os pesos (w) e bias (b) são
compartilhados por todas as
convoluções de uma mesma
camada
(Invariância à translação dos objetos)
14. Em uma rede CNN, apenas uma pequena região
de neurônios da camada de entrada se conecta
aos neurônios da camada seguinte
(campos receptivos locais)
Os pesos (w) e bias (b) são
compartilhados por todas as
convoluções de uma mesma
camada
(Invariância à translação dos objetos)
15. Em uma rede CNN, apenas uma pequena região
de neurônios da camada de entrada se conecta
aos neurônios da camada seguinte
(campos receptivos locais)
Os pesos (w) e bias (b) são
compartilhados por todas as
convoluções de uma mesma
camada
(Invariância à translação dos objetos)
16. Em uma rede CNN, apenas uma pequena região
de neurônios da camada de entrada se conecta
aos neurônios da camada seguinte
(campos receptivos locais)
Os pesos (w) e bias (b) são
compartilhados por todas as
convoluções de uma mesma
camada
34. Vídeos de Demonstração ( 1 / 3 )
Classificação de Imagens por CNN
Objetos Comuns Imagens Genéricas
(MobileNet) (MobileNet)
35. Vídeos de Demonstração ( 2 / 3 )
Detecção de Pessoas por CNN
Imagens de CFTV Estação de Metrô
(SSD-MobileNet / Transfer Learning) (SSD-MobileNet / Transfer Learning)
36. Vídeos de Demonstração ( 3 / 3 )
Deteção de Objetos por CNN
Ambiente Urbano Insetos
(SSD-MobileNet) (SSD-MobileNet / Transfer Learning)