SNN-alapú tárgyfelismerés veri az ANN-t energiahatékonyságban az Intel Loihi 2-n
A technológia kulcsfontosságú lehet az energiahatékony platformokon, mint például a drónok, autonóm járművek és mobil robotok számára.
Valós idejű tárgyfelismerést végeznek a spiking neurális hálózatok (SNN-ek) az Intel Loihi 2 neuromorf processzoron, miközben a legalacsonyabb dinamikus energiafogyasztást érik el minden vizsgált platform közül — írja az ArXiv CV-n megjelent kutatás.
A tanulmány egy átfogó módszertant mutat be az általános SNN detekciós architektúrák tervezésére, kifejezetten neuromorf platformokra optimalizálva. A kutatók részletesen kidolgozták azokat a mérnöki adaptációkat is, amelyek szükségesek a rendszerek telepítéséhez a legmodernebb Intel Loihi 2 processzoron.
A teljesítményteszt tesztek során a SNN-alapú tárgyfelismerést keret- és eseményalapú adathalmazokon is vizsgálták a Loihi 2-n. Az eredményeket összehasonlították a hagyományos mesterséges neurális hálózatokon (ANN-eken) alapuló detekcióval, melyeket NVIDIA Jetson Orin Nano, NVIDIA Jetson Nano B01 és Apple M2 CPU platformokon futtattak.
A SNN-ek a Loihi 2-n nemcsak valós idejű észlelést biztosítanak, hanem egyben a legalacsonyabb energiafelhasználást is produkálják minden egyes következtetés (inference) során, ami jelentős előnyt jelent az energiahatékonyság szempontjából.