机构名称：
¥ 1.0
智能传感器是一种快速发展的技术，它允许在资源受限的边缘设备上直接将数据采集与计算结合起来。因此，它们在非常接近传感微机械的地方在同一封装中执行机器学习。在物联网领域，需要越来越多的电池供电甚至无电池智能传感器，因为市场潜力是现场部署大约数千亿个传感器。为了维持不断增长的应用范围，最大限度地提高能源效率，同时允许此类设备中的传感器可编程，延长电池寿命和使用案例至关重要。为了将这一概念推向极致，意法半导体提出了一种新的传感器解决方案，允许将机器学习和二进制神经网络直接部署到超低功耗传感器本身。这带来了使用极其受限的内存的额外挑战。这项工作通过活动识别任务试验了这种超新颖且有前途的传感器内机器学习计算解决方案的功能，并介绍了性能和能效方面的初步发现。实验结果表明，该传感器在全浮点精度网络中可实现 10.7 个周期/MAC 的推理性能，在大型二进制模型中可实现高达 1.5 个周期/MAC 的推理性能。该传感器的运行功耗范围从大于 100 µJ 到低于 1 µJ，具体取决于所部署的机器学习计算（全浮点到全二进制）
实际应用场景中的表现与评估
主要关键词
相关文件推荐
