ĐÁNH GIÁ CÁC MÔ HÌNH PHÂN LOẠI ẢNH NHỎ TRÊN ESP32 XIAO:  HIỆU NĂNG – ĐỘ TRỄ – BỘ NHỚ

Trần Văn Trường; Nguyễn Hồng Thái

doi:10.34238/tnu-jst.14341

ĐÁNH GIÁ CÁC MÔ HÌNH PHÂN LOẠI ẢNH NHỎ TRÊN ESP32 XIAO: HIỆU NĂNG – ĐỘ TRỄ – BỘ NHỚ

Thông tin bài báo

Ngày nhận bài: 24/12/25 Ngày hoàn thiện: 28/02/26 Ngày đăng: 28/02/26

Các tác giả

1. Trần Văn Trường, Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên
2. Nguyễn Hồng Thái , Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên

Tóm tắt

Bài báo này trình bày một nghiên cứu đánh giá các mạng nơ-ron tích chập nhẹ cho bài toán phân loại ảnh trực tiếp trên vi điều khiển ESP32 XIAO. Với giới hạn tài nguyên dưới 512 KB RAM và 2 MB Flash, việc triển khai mô hình học sâu đòi hỏi thiết kế gọn nhẹ và lượng tử hóa. Để đảm bảo tính chuẩn hóa và khả năng tái lập, chúng tôi sử dụng bộ dữ liệu Visual Wake Words, một benchmark điển hình trong TinyML cho bài toán phân loại nhị phân “Có người” và “Không có người”. Bốn kiến trúc đại diện—Tiny-CNN, MobileNetV1-α0.1, MobileNetV2-α0.35 và ResNet-8—được huấn luyện ở định dạng FP32, chuyển đổi sang TensorFlow Lite và triển khai với lượng tử hóa 8-bit trên ESP32. Các kết quả được báo cáo gồm độ chính xác, điểm F1, độ trễ suy luận, mức sử dụng bộ nhớ đỉnh và dung lượng Flash, được đo trực tiếp trên phần cứng thông qua tín hiệu GPIO và nhật ký bộ nhớ. Kết quả thực nghiệm cho thấy sự đánh đổi rõ rệt: MobileNetV2-α0.35 đạt độ chính xác cao nhất nhưng yêu cầu bộ nhớ và độ trễ lớn hơn, trong khi MobileNetV1-α0.1 mang lại sự cân bằng tốt nhất giữa hiệu năng và hiệu quả. Nghiên cứu này cung cấp hướng dẫn thực tiễn cho việc lựa chọn mô hình dưới các ràng buộc nhúng nghiêm ngặt và chứng minh tính khả thi của ứng dụng TinyML thị giác trên ESP32.

Từ khóa

TinyML; Phân loại ảnh; ESP32; Lượng tử hóa; AI trên thiết bị

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] P. Warden and D. Situnayake, TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers. Sebastopol, CA, USA: O’Reilly Media, 2019.

[2] T. Liang, J. Glossner, L. Wang, S. Shi, and X. Zhang, "Pruning and quantization for deep neural network acceleration: A survey," Neurocomputing, vol. 461, pp. 370–403, 2021, doi: 10.1016/j.neucom.2021.07.045.

[3] Y. Abadade, A. Temouden, H. Bamoumen, N. Benamar, Y. Chtouki, and A. S. Hafid, "A comprehensive survey on TinyML," IEEE Access, vol. 11, pp. 96892–96922, 2023, doi: 10.1109/ACCESS.2023.3294111.

[4] P. Warden, “Visual Wake Words dataset,” arXiv preprint arXiv:1906.05721, 2019.

[5] A. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, and H. Adam, “MobileNets: Efficient convolutional neural networks for mobile vision applications,” arXiv preprint arXiv:1704.04861, 2017.

[6] M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and L.-C. Chen, “MobileNetV2: Inverted residuals and linear bottlenecks,” in Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (CVPR), 2018, pp. 4510–4520.

[7] K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), 2016, pp. 770–778.

[8] A. Alonso, J. R. Herrero, and J. Iglesias, “A low-power keyword spotting system using CNNs for microcontrollers,” Sensors, vol. 20, no. 17, p. 4898, 2020.

[9] A. Giraldo, D. Berjon, S. Kim, and A. Schmitz, “Embedded gesture recognition using TinyML,” in Proc. ACM/IEEE Int. Conf. Inf. Process. Sensor Netw. (IPSN), 2021, pp. 333–344.

[10] G. Cerutti, L. Cavigelli, R. Andri, M. Magno, E. Farella, and L. Benini, "Sub-mW keyword spotting on an MCU: Analog binary feature extraction and binary neural networks," IEEE Trans. Circuits Syst. I, Regul. Pap., vol. 69, no. 5, pp. 2002–2012, May 2022, doi: 10.1109/TCSI.2022.3142525.

[11] J. Bushur and C. Chen, “Neural network exploration for keyword spotting on edge devices,” Future Internet, vol. 15, no. 6, 2023, Art. no. 219, doi: 10.3390/fi15060219.

DOI: https://doi.org/10.34238/tnu-jst.14341

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ