Hardware-aware Neural Architecture Search for Object Detection

Studiengänge: Informatik, Informationstechnik, Mechatronik, Maschinenbau

IoT-Geräte werden von Mikrocontroller-Units (MCUs) angetrieben, die extrem ressourcenbeschänkt sind. Eine typische MCU verfügt möglicherweise über einen zu schwachen Prozessor und sehr kleinen Arbeitsspeicher, was viel weniger Rechenressourcen als normalerweise für Deep Learning erforderlich sind.  Der Entwurf neuronaler Netze für eine solche Plattform erfordert ein gutes Gleichgewicht zwischen hoher Genauigkeit und gleichzeitig geringem Speicherverbrauch, geringer Inferenzlatenz. Dies ist manuell sehr schwer zu erreichen.

Neural Architecture Search (NAS) in Automated Machine Learning ist eine Technologie zur Automatisierung des Entwurfs der Architekturen von neuronalen Netzen. Viele moderne Netzsarchitekturen werden durch diese Technologie optimiert, wie z. B.  MobilenetV3 und DARTS Model. In dieser Arbeit bauen Sie ein Neural Architecture Search (NAS)-Framework auf, um das Object detection Netzwerk automatisch zu optimieren, unter Berücksichtigung der Inferenzlatenz und detection accuracy.

Schlüsselwörter: Object Detection, Neural Architecture Search, Automated Machine Learning, Microcontroller Unit

 

Ihre Aufgabe

  • Recherche zum Stand der Technik und Wissenschaft (NAS zur Objekterkennung)
  • Implementierung des Neural Architecture Search (NAS) Framework
    • Dieses Framework ist in drei Teile unterteilt: Suchraum, Optimierer und Verlustfunktion
  • Evaluierung der optimierten Modelle auf Novelsense Datensätzen
  • Wissenschaftliche Aufbereitung und Dokumentation

Wir bieten

  • Intensive Betreuung
  • GPU-Server
  • Eine angenehme Arbeitsatmosphäre und konstruktive Zusammenarbeit

Wir erwarten

  • Selbstständiges Denken und Arbeiten
  • Kenntnisse in der Datenanalyse
  • Kenntnisse in Python (Tensorflow/Keras, Pytorch)
  • Kenntnisse neuronaler Netze

Neugierig? Kontaktieren Sie: Yexu Zhou  zhou@teco.edu 

 

[1] FBNet: Hardware-Aware Efficient ConvNet Design via Differentiable Neural Architecture Search

[2] MCUNet: Tiny Deep Learning on IoT Devices

[3] DARTS: Differentiable Architecture Search