Gömülü Sistemler İçin Performansı Arttırılmış HBONet CNN Yaklaşımı

Abstract

Son yıllarda, evrişimli sinir ağlarının (CNN) kullanım alanları dikkate değer bir şekilde artmıştır. İş istasyonlarından gömülü cihazlara varıncaya kadar birçok platformda yaygın olarak kullanılmaktadır. Bununla birlikte, her CNN modeli farklı miktarda hafıza, işlemci, depolama birimi kullanmaktadır ve nesne tanımada farklı doğruluk oranlarına sahiptir. Gömülü sistemlerde kullanılacak CNN’lerin daha az maliyetli olması, daha az kaynak tüketmesi ve daha fazla doğruluk oranını başarması gibi bazı zorlukları vardır. Bu zorlukların en iyi üstesinden gelen CNN modellerinden biri de HBONet modelidir. Ancak, bu model gömülü sistemlerde yeterince iyi performans sağlamamaktadır. Bu çalışmada, gömülü sistemler için kullanılan HBONet modelinin kaynak tüketimi ve doğruluk gibi performans metriklerinin daha da iyileştirilmesi amaçlanmıştır. Bu amaçla, HBONet modelini temel alan bir model olan A-HBONet modeli önerilmiştir. CIFAR-10 veri seti kullanılarak gerçekleştirilen deneyler sonucunda, önerilen modelin doğruluğu HBONet modeline göre %3 arttırılırken hafıza ve depolama birimi kullanımı da yaklaşık olarak %80 oranında azaltılmıştır. Bu sonuçlar, önerilen modelin gömülü cihazlarda daha etkin ve verimli çalıştığı göstermektedir.