Research of the Characteriscs of a Convoluonal Neural Network on the ESP32-CAM Microcontroller

Скорочена інформація про документ
dc.contributor.authorSharuiev, R. D.
dc.contributor.authorPopovych, P. V.
dc.date.accessioned2023-10-12T23:11:09Z
dc.date.available2023-10-12T23:11:09Z
dc.date.issued2023
dc.description.abstractThe paper is devoted to solving the problem of using neural networks for real-time image recognition on lowpower portable devices running on microcontrollers. The ESP-32 CAM microcontroller was used as the target device, on which an artificial neural network was deployed, written using the Python programming language and the Tensorflow library for building neural networks. The performance of the microcontroller and personal computer for object detection using a neural network and their classification were compared in the paper. The image recognition time and percentage of correctly classified objects were compared. The paper shows that the number of training epochs affects the accuracy of object classification in the image. The obtained results show that increasing the number of training epochs increases the accuracy of object recognition using the studied neural network, but a significant increase in the number of epochs does not significantly improve recognition accuracy. The difference in the obtained results for the microcontroller and personal computer image recognition accuracy ranges from 5%.uk
dc.description.abstractotherСтаттю присвячено вирішенню проблеми використання нейронних мереж для розпізнавання зображень у режимі реального часу на малопотужних портативних пристроях, що працюють на мікроконтролерах. Як цільовий пристрій використано мікроконтролер ESP-32 CAM, на якому розгорнуто штучну нейронну мережу, написану з використанням мови програмування Python і бібліотеки Tensorflow для побудови нейронних мереж. У роботі виконано порівняння продуктивності мікроконтролера та персонального комп’ютера для виявлення об’єктів за допомогою нейронної мережі та їх класифікації. Порівняння проведено за часом розпізнавання зображення та відсотком правильно класифікованих об'єктів. У статті показано, що кількість епох навчання впливає на точність класифікації об’єктів на зображенні. Отримані результати демонструють, що збільшення кількості епох навчання підвищує точність розпізнавання об’єктів за допомогою досліджуваної нейронної мережі, але значне збільшення кількості епох не призводить до суттєвого покращення точності розпізнавання. Під час навчання нейромережі виявлено певне «перенавчання» моделі. Дана проблема виникла через велику кількість епох навчання на малій кількості навчальних даних для створеної моделі. Для уникнення цієї проблеми в майбутньому рекомендовано брати більше навчального матеріалу або спростити модель для використання уже існуючого набору навчальних даних. Аналіз отриманих даних показав, що відмінність у точності роботи між мікроконтролером та персональним комп’ютером склала 5%, що не є суттєвим, проте відмінність у затраченому часі склала більше ніж у 2 рази, що є критичним для класифікації об’єктів у режимі реального часу. Результати роботи моделі на мікроконтролері показали точність, яка складає 50%. Точність в залежності від класу така: для літаків, автомобілів, кораблів, вантажівок та птахів точність класифікації об'єктів склала 100%, а для тварин точність класифікації об'єктів склала 0%. З отриманих даних видно тенденцію, що найкраще розпізнаються образи техніки різних типів та птахи, а точність розпізнавання тварин є нульовою. Також наведено рекомендації з удосконалення роботи моделі, які б підвищили її точність.uk
dc.format.pagerangePp. 277487.1-277487.7uk
dc.identifier.citationSharuiev, R. D. Research of the Characteriscs of a Convoluonal Neural Network on the ESP32-CAM Microcontroller / Sharuiev R. D., Popovych P. V. // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2023. – Т. 28, № 2(124). – С. 277487.1 - 277487.7. – Бібліогр.: 26 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2523-4455.mea.277487
dc.identifier.issn2523-4455
dc.identifier.orcid0009-0007-9644-6865uk
dc.identifier.orcid0000-0002-1572-3127uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61337
dc.language.isoenuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofМікросистеми, Електроніка та Акустика: науково-технічний журнал, Т. 28, № 2(124)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectmicrocontrolleruk
dc.subjectneural networkuk
dc.subjectepochuk
dc.subjecttraininguk
dc.subjectclassificationuk
dc.subjectмікроконтролерuk
dc.subjectнейромережаuk
dc.subjectепохаuk
dc.subjectнавчанняuk
dc.subjectкласифікаціяuk
dc.subject.udc004.855.5uk
dc.titleResearch of the Characteriscs of a Convoluonal Neural Network on the ESP32-CAM Microcontrolleruk
dc.title.alternativeДослідження характеристик згорткової нейронної мережі на мікроконтролері ESP32-CAMuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
277487-648562-2-10-20230811.pdf
Розмір:
870.91 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Мікросистеми, Електроніка та Акустика: науково-технічний журнал, Т. 28, № 2(124)