Comparison of the Efficiency of a Neural Network for Image Recognition on Microcontrollers

Скорочена інформація про документ
dc.contributor.authorSharuiev, R. D.
dc.contributor.authorPopovych, P. V.
dc.date.accessioned2024-11-28T10:52:38Z
dc.date.available2024-11-28T10:52:38Z
dc.date.issued2024
dc.description.abstractThe paper is devoted to comparing two popular models of 32-bit microcontrollers for working with neural networks for object recognition. The target devices were the ESP32 and STM32 microcontrollers, on which an artificial neural network was deployed, written using the Python programming language and the TensorFlow library. Micropython was chosen as the operating system for the microcontrollers. The paper compares the performance of the ESP32 and STM32 microcontrollers for object detection using a neural network and their classification. The image recognition time and the percentage of correctly classified objects were compared depending on the number of neuron layers and the number of training epochs within these networks. The article shows that the number of layers and training epochs directly affects the accuracy of object classification in the image. The obtained results show that increasing the number of layers of the neural network increases the overall accuracy of object recognition using the studied neural network, increasing the number of training epochs logarithmically increases the accuracy of recognition and classification within the neural network, but at the same time, increasing the number of neuron layers leads to an increase in the total recognition time. The difference in the obtained results for the accuracy of image recognition of microcontrollers differs within 5%.
dc.description.abstractotherСтаттю присвячено порівнянню двох популярних моделей 32 бітних мікроконтролерів для роботи з нейромережами для розпізнавання об’єктів. Як цільові пристрої використано мікроконтролери ESP32 та STM32, на яких було розгорнуто штучну нейронну мережу, написану за допомогою мови програмування Python та бібліотеки TensorFlow. В якості операційної системи для мікроконтролерів обрано Micropython. У роботі виконано порівняння продуктивності мікроконтролерів ESP32 та STM32 для виявлення об’єктів за допомогою нейронної мережі та їх класифікації. Порівняння проведено за часом розпізнавання зображень та відсотком правильно класифікованих об’єктів в залежності від кількості шарів нейронів та кількості епох навчання в рамках даних мереж. У статті показано, що кількість шарів та епох навчання напряму впливає на точність класифікації об’єктів на зображенні. Отримані результати показують, що збільшення кількості шарів нейронної мережі збільшує загальну точність розпізнавання об’єктів за допомогою вивченої нейронної мережі, збільшення кількості навчальних епох логарифмічно збільшує точність розпізнавання та класифікації в рамках нейромережі, але при цьому збільшення кількості шарів нейронів призводить до збільшення загального часу розпізнавання. Аналіз отриманих даних показав, що різниця точності розпізнавання зображень на мікроконтролерах відрізняється в межах 5%, що не є суттєвим, проте відмінність у затраченому часі в середньому склала 2 рази. Під час проведення експерименту помічено, що максимальна кількість шарів нейромережі є обмеженою до 8 для мікроконтролера STM32 через брак постійної та оперативної пам’яті. Через це обмеження повні можливості мікроконтролера ESP32 не було розкрито, тож теоретично система з використанням ESP32 може бути більш ефективною для задач розпізнавання та класифікації об’єктів на зображеннях. Проведений експеримент показав, що збільшення кількості епох навчання збільшує точність, а кількість шарів моделі впливає на початкове значення точності.
dc.format.pagerangeС. 300851.1-300851.7
dc.identifier.citationSharuiev, R. D. Comparison of the Efficiency of a Neural Network for Image Recognition on Microcontrollers / R. D. Sharuiev, P. V. Popovych // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2024. – Т. 29, № 2(127). – С. 300851.1-300851.7. – Бібліогр.: 26 назв.
dc.identifier.doihttps://doi.org/10.20535/2523-4455.mea.300851
dc.identifier.orcid0009-0007-9644-6865
dc.identifier.orcid0000-0002-1572-3127
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70877
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceМікросистеми, Електроніка та Акустика : науково-технічний журнал, 2024, Т. 29, № 2(127)
dc.subjectmicrocontroller
dc.subjectneural network
dc.subjectepoch
dc.subjecttraining
dc.subjectclassification
dc.subjectмікроконтролер
dc.subjectнейромережа
dc.subjectепоха
dc.subjectнавчання
dc.subjectкласифікація
dc.subject.udc004.855.5
dc.titleComparison of the Efficiency of a Neural Network for Image Recognition on Microcontrollers
dc.title.alternativeПорівняння ефективності роботи нейронної мережі для розпізнавання зображень на мікроконтролерах
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
300851.1-300851.7.pdf
Розмір:
899.49 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Мікросистеми, Електроніка та Акустика: науково-технічний журнал, Т. 29, № 2(127)