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.

1. Inserir imagem de divulgação

3. Convidados
• CEZAR MENEZES
• ENGENHEIRO ELETRÔNICO E
CO-FUNDADOR DA DRAGONWALLY
(WENGEN APLICAÇÕES DE SEMICONDUTORES LTDA)

4. Redes Neurais
Convolucionais (CNN)
em Sistemas Embarcados
CEZAR MENEZES
DRAGONWALLY / WENGEN ASL

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

18. (FC : Fully Connected Layer)

24. Camada
L
Camada
L-1
Função de Ativação Softmax :
Softmax é a última camada em
CNNs de classificação
(Softmax Classification)

26. VGG-16
Configuração
da
CNN
Karen Simonyan & Andrew
Zisserman
University of Oxford (2015)

27. VGG-16

28. Demo :
VGG-16 / TensorFlow / Keras

32. MobileNet
Configuração
da
CNN
Andrew G. Howard, Menglong Zhu,
Bo Chen, Dmitry Kalenichenko,
Weijun Wang, Tobias Weyand,
Marco Andreetto, Hartwig Adam
Google (2017)

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)

39. Para mais informações:
http://www.dragonwally.com
http://wengen.technology
E-MAIL : cezar.menezes@dragonwally.com
Obrigado por Assistir

40. Sorteio do KIT

41. Sorteio do KIT
PERGUNTA
Qual System-In-Package (SiP) é usado na
PocketBeagle?

42. Sorteio do KIT
RESPOSTA: OSD3358-512M-BSM

43. Contatos
CEZAR MENEZES
E-MAIL: cezar.menezes@dragonwally.com
http://www.dragonwally.com
http://wengen.technology

44. Obrigado