El mejor enfoque es utilizar la atención [1], la asignación de recursos de procesamiento limitados, las técnicas basadas para dirigir los esfuerzos computacionales en cosas más relevantes, y las “cosas relevantes” aquí dependen de la aplicación. Esto se está convirtiendo en una corriente principal en los sistemas de visión por computadora que utilizan las llamadas redes de propuestas regionales en sistemas tales como redes neuronales convolucionales basadas en regiones (R-CNN). La atención es una técnica poderosa para hacer un buen uso de recursos limitados, especialmente para sistemas integrados en robótica y dispositivos móviles.
Por lo tanto, los sistemas de aprendizaje profundo (DL) deben comenzar a adoptar el uso de la atención, ya hay algunos trabajos [2] en esta área. Pero en DL, la tendencia actual es utilizar una “atención suave” diferenciable para fines de optimización y creo que esto limita estos sistemas.
Por lo tanto, necesitamos incorporar más de la hipótesis de dos corrientes [3] en los sistemas de visión con el enfoque de reconocimiento (qué vía) y el enfoque de atención (dónde) para optimizar el uso de recursos en sistemas embebidos computacionalmente restringidos. La tendencia actual es utilizar solo la potencia de GPU sin procesar que se ejecuta en la nube.
- ¿Qué versión de Linux incorporado es adecuada para nuestros sistemas IoT basados en arm?
- ¿Cuál es el mejor libro sobre sistemas integrados en C para principiantes?
- ¿Cuál es el concepto principal de los sistemas integrados y cómo se relacionan con un proyecto?
- Cómo decidir las prioridades para las tareas en RTOS
- ¿Cuál es el plan de estudios del curso de personas que pasan por licenciaturas para un control de sistemas integrados?
Espero que esto ayude.
Notas al pie
[1] Atención – Wikipedia
[2] Una red neuronal recurrente para la generación de imágenes
[3] Hipótesis de dos corrientes – Wikipedia