MCUBench: A Benchmark of Tiny Object Detectors on MCUs

要約

7 つの異なる MCU にわたる VOC データセットで評価された 100 を超える YOLO ベースの物体検出モデルを特徴とするベンチマークである MCUBench を紹介します。
このベンチマークは、さまざまな入力解像度と YOLO ベースの 1 段階検出器の平均精度、レイテンシ、RAM、フラッシュの使用量に関する詳細なデータを提供します。
固定トレーニング パイプラインとの制御された比較を実行することで、包括的なパフォーマンス メトリクスを収集します。
当社のパレート最適分析では、最新の検出ヘッドとトレーニング技術を統合することで、YOLOv3 などのレガシー モデルを含むさまざまな YOLO アーキテクチャで、平均平均精度 (mAP) と遅延の間の非常に効率的なトレードオフを達成できることがわかりました。
MCUBench は、現代の物体検出器の MCU パフォーマンスをベンチマークするための貴重なツールとして機能し、特定の制約に基づいたモデルの選択を支援します。

要約(オリジナル)

We introduce MCUBench, a benchmark featuring over 100 YOLO-based object detection models evaluated on the VOC dataset across seven different MCUs. This benchmark provides detailed data on average precision, latency, RAM, and Flash usage for various input resolutions and YOLO-based one-stage detectors. By conducting a controlled comparison with a fixed training pipeline, we collect comprehensive performance metrics. Our Pareto-optimal analysis shows that integrating modern detection heads and training techniques allows various YOLO architectures, including legacy models like YOLOv3, to achieve a highly efficient tradeoff between mean Average Precision (mAP) and latency. MCUBench serves as a valuable tool for benchmarking the MCU performance of contemporary object detectors and aids in model selection based on specific constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google