首页|嵌入式系统|显示技术|模拟IC/电源|元件与制造|其他IC/制程|消费类电子|无线/通信|汽车电子|工业控制|医疗电子|测试测量
首页 > 分享下载 > 常用文档 > CNN Inference acceleration using low-power devices for human monitoring and security scenarios

CNN Inference acceleration using low-power devices for human monitoring and security scenarios

资料介绍
目前,安全问题是我们社会最关注的问题之一。从政府设施到私营公司和医疗机构,他们都必须直接解决安全问题,如:访问受限信息隔离控制或犯罪追踪。举个例子,在医院或老年病学中,为了隔离感染者(这在目前影响所有国家的COVID-19大流行中已被证明是一个非同小可的问题),或者为了找到逃亡的病人,识别病人是至关重要的。那么,人脸识别就是执行这些任务的一个非侵入性的选择。虽然来自谷歌的FaceNet已经被证明是几乎完美的,但在多人脸场景中,其性能会迅速衰减。为了缓解这种性能的损失,本文提出了一种基于神经计算机棒第2版和英特尔的OpenVINO的集群。针对两种编程模式,即:多线程和多处理,进行了详细的功耗和运行时间研究。此外,还考虑了3种不同的主机。在最有效的配置中,使用Raspberry Pi 4作为主机实现了平均每秒6帧的速度,功耗仅为11.2W,与基于PC的多面方案相比,能效提高了3.3倍。
标签:OpenVINOCNN
CNN Inference acceleration using low-power devices for human monitoring and security scenarios
本地下载

评论