{"id":15283,"date":"2021-12-10T03:00:26","date_gmt":"2021-12-10T03:00:26","guid":{"rendered":"https:\/\/domosistemas.com\/?p=15283"},"modified":"2021-12-10T03:00:26","modified_gmt":"2021-12-10T03:00:26","slug":"el-mit-desarrolla-una-tecnica-para-reducir-la-memoria-necesaria-en-los-algoritmos-de-los-dispositivos-iot","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=15283","title":{"rendered":"El MIT desarrolla una t\u00e9cnica para reducir la memoria necesaria en los algoritmos de los dispositivos IoT"},"content":{"rendered":"
\n

Los algoritmos y arquitecturas, que ayudan a identificar y predecir patrones y comportamientos de los dispositivos inteligentes, requieren de enormes cantidades de memoria, computaci\u00f3n y datos para entrenar y hacer inferencias. Para mejorar la eficacia de los algoritmos, un equipo de investigadores del Instituto Tecnol\u00f3gico de Massachussets (MIT<\/a>), que trabaja en el campo de tinyML en el MIT-IBM Watson AI Lab, ha desarrollado una t\u00e9cnica para reducir la cantidad de memoria necesaria, al tiempo que mejora el rendimiento en el reconocimiento de im\u00e1genes en v\u00eddeos en vivo.<\/p>\n

\"Dispositivo
Con un reducido tama\u00f1o, el dispositivo MCUNetV2 incorpora una pantalla peque\u00f1a y una c\u00e1mara de v\u00eddeo. Foto: MIT.<\/figcaption><\/figure>\n

Los investigadores tambi\u00e9n est\u00e1n trabajando para reducir el tama\u00f1o y la complejidad de los dispositivos en los que se pueden ejecutar estos algoritmos hasta una unidad de microcontrolador (MCU) que se encuentra en los dispositivos de IoT. Una MCU es una minicomputadora con memoria limitada alojada en un circuito integrado compacto que carece de un sistema operativo y ejecuta comandos simples.<\/p>\n

Para aumentar la eficiencia de tinyML, los investigadores analizaron c\u00f3mo se usa la memoria en microcontroladores que ejecutan varias redes neuronales convolucionales (CNN). Las CNN son modelos inspirados biol\u00f3gicamente despu\u00e9s de las neuronas en el cerebro y se aplican para evaluar e identificar caracter\u00edsticas visuales dentro de las im\u00e1genes, como una persona que camina a trav\u00e9s de un cuadro de v\u00eddeo.<\/p>\n

En su estudio descubrieron un desequilibrio en la utilizaci\u00f3n de la memoria, lo que provocaba una carga frontal en el chip de la computadora y creaba un cuello de botella. Al desarrollar una nueva t\u00e9cnica de inferencia y arquitectura neuronal, el equipo alivi\u00f3 el problema y redujo el uso m\u00e1ximo de memoria de cuatro a ocho veces.<\/p>\n

Dispositivo MCUNetV2<\/h2>\n

Por otro lado, los investigadores desarrollaron MCUNetV2, un sistema equipado con una c\u00e1mara, capaz de detectar humanos y objetos, que se implement\u00f3 en su propio sistema de visi\u00f3n tinyML. El codise\u00f1o de la arquitectura de la red con la optimizaci\u00f3n de la b\u00fasqueda de la red neuronal y la programaci\u00f3n de inferencias proporcion\u00f3 ganancias significativas y fue adoptado en MCUNetV2, que super\u00f3 a otros sistemas de visi\u00f3n en el uso m\u00e1ximo de memoria y en la detecci\u00f3n y clasificaci\u00f3n de im\u00e1genes y objetos.<\/p>\n

El dispositivo MCUNetV2 incluye una pantalla peque\u00f1a y una c\u00e1mara de v\u00eddeo, y tiene aproximadamente el tama\u00f1o de un estuche para auriculares. En comparaci\u00f3n con la primera versi\u00f3n, la nueva versi\u00f3n necesitaba cuatro veces menos memoria para la misma cantidad de precisi\u00f3n.<\/p>\n

Cuando se compar\u00f3 cara a cara con otras soluciones tinyML, MCUNetV2 pudo detectar la presencia de objetos en marcos de im\u00e1genes, como rostros humanos, con una mejora de casi el 17%. Adem\u00e1s, estableci\u00f3 un r\u00e9cord de precisi\u00f3n, de casi el 72%, para una clasificaci\u00f3n de im\u00e1genes de mil clases en el conjunto de datos de ImageNet, utilizando 465 KB de memoria.<\/p>\n

Los investigadores probaron lo que se conoce como palabras de vigilia visual, su modelo de visi\u00f3n de MCU podr\u00eda identificar la presencia de una persona dentro de una imagen, e incluso con la memoria limitada de solo 30 KB, logr\u00f3 una precisi\u00f3n superior al 90%, superando el estado anterior. Esto significa que el m\u00e9todo es lo suficientemente preciso y podr\u00eda implementarse para ayudar, por ejemplo, en aplicaciones de viviendas inteligentes.<\/p>\n

La entrada El MIT desarrolla una t\u00e9cnica para reducir la memoria necesaria en los algoritmos de los dispositivos IoT<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Los algoritmos y arquitecturas, que ayudan a identificar y predecir patrones y comportamientos de los dispositivos inteligentes, requieren de enormes cantidades de memoria, computaci\u00f3n y datos para entrenar y hacer inferencias. Para mejorar la eficacia de los algoritmos, un equipo de investigadores del Instituto Tecnol\u00f3gico de Massachussets (MIT), que trabaja en el campo de tinyML … Sigue leyendo El MIT desarrolla una t\u00e9cnica para reducir la memoria necesaria en los algoritmos de los dispositivos IoT<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-15283","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/15283","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=15283"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/15283\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=15283"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=15283"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=15283"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}