XiYOLO：反復的なアーキテクチャ探索とスケーリングによるエネルギー効率の高い物体検出
XiYOLO: Energy-Aware Object Detection via Iterative Architecture Search and Scaling
記事のポイント
📰ニュース
エネルギー効率を重視した新しい物体検出モデル「XiYOLO」が開発されました。
🔍注目ポイント
デバイス依存のエネルギー消費を考慮し、反復探索とスケーリングで最適なアーキテクチャを自動生成する技術が特徴です。
🔮これからどうなる
エッジデバイスでのAI処理において、バッテリー寿命を延ばし、より高性能なリアルタイム認識が可能になります。
XiYOLOは、エネルギー効率の高いXiResOFA探索空間と2段階のエネルギー推定器を組み合わせ、単一の基本アーキテクチャを特定します。
その後、複合スケーリングを適用して、様々な展開予算に対応するXiYOLOファミリーを生成します。
PascalVOCとCOCOでの実験では、既存のYOLOモデルと比較して、GPUで最大53.7%、NPUで最大51.6%のエネルギー削減を実現しつつ、高い精度を維持しています。
その後、複合スケーリングを適用して、様々な展開予算に対応するXiYOLOファミリーを生成します。
PascalVOCとCOCOでの実験では、既存のYOLOモデルと比較して、GPUで最大53.7%、NPUで最大51.6%のエネルギー削減を実現しつつ、高い精度を維持しています。
エッジAIの省エネ化は、IoTデバイスの普及に不可欠な要素です。この技術は、スマートフォンやドローンなどのバッテリー駆動デバイスの性能向上に大きく貢献しそうです。