1116991_ja-JP

はい

eIQを用いたMNISTデータセットにおける手書き数字認識

このデモについて

このデモでは、手書きの数字認識に適用されるニューラルネットワーク(NN)の使用法を示しており、NNモデルは i.MX RT1060 MCU上で動作します。このデモの主な目的は、グラフィカル・ユーザー・インターフェースを管理する i.MX RT機能を示すとともに、NNモデルを適用して手書きの数字を認識し、パスワードが正しいか間違っているかを判断することです。デモは、 4.3インチLCDパネルに4桁のパスワードを設定してテストされ、ユーザーはデバイスのロックを解除するために正しいパスワードを入力する必要があります。パスワードを入力すると、NNが認識した数字が画面に表示されます。「クリア」ボタンは、ユーザーがデバイスのロックを解除するために新しいパスワードを試すために以前の番号を消去します。

技術紹介と謝辞

このデモは、モデル作成エンジンと推論エンジンの 2 つの異なるアプローチ ( TensorFlow Lite と Caffe Framework を使用した CMSIS-NN ) を使用して利用できます。

TensorFlow Lite

このアプリケーションノート AN12603では、ディープラーニングによる組み込みシステム上の手書きの数字認識について説明します。数字の認識は、60,000 枚の手書きグレースケール画像と 10,000 個のテスト例を含む MINST データセットでトレーニングされた TensorFlow Lite モデルによって実行されます。このアプリケーションノートでは、Tensorflow Liteを使用してアプリケーションを実現し、Embedded Wizardを使用してGUIを構築するためのすべてのステップについて詳しく説明します。

Caffee Frameworkを使用したCMSIS-NN

このアプリケーションノート AN12781 では、 Caffe Frameworkで作成されたディープニューラルネットワークの使用方法を探っており、このフレームワークではモデルを作成し、それをCMSIS-NN関数に変換して、ソースファイルとして i.MX RTプラットフォームにエクスポートすることができます。このモデルは、MNIST データセットを使用した数字認識のトレーニングも行われます。このドキュメントでは、モデルを作成、トレーニング、デプロイする手順について説明します。最後のステップでは、モデルはCMSIS-NN関数とウェイトを使用してCソースファイルをエクスポートし、i.MX RT1060にエクスポートしますプロジェクト。

ビデオ

(マイビデオで視聴)

ハードウェアのセットアップ

推奨製品
i.MX RT1060 評価キット \|NXPの
4.3インチ液晶パネル RK043FN02H-CT \|NXPの

詳細情報

NXP^® eIQ^™ソフトウェア環境では、NXP MCU、i.MX RTクロスオーバーMCU、および i.MX ファミリSoCでMLアルゴリズムを使用できます。eIQソフトウェアには、推論エンジン、ニューラルネットワークコンパイラ、最適化されたライブラリが含まれています。

さらに、量子化やプルーニングなどの手法を使用してモデルを最適化できるAN12781、Caffeを使用して新しいモデルを作成し、量子化して浮動小数点データを簡略化することで最適化の可能性を探ります。32ビット浮動小数点データを8ビットの固定小数点形式に減らすことで、メモリ割り当てが削減され、処理能力が低下しました。

転移学習

転移学習により、機械学習モデルは過去の経験を適用して、新しい問題を解決するための学習を迅速かつ正確に行うことができます。この手法は、ディープラーニングで非常に重要になっています。AN12892 TensorFlow で転移学習を実行する方法と、AN12603 からアプリケーションのパフォーマンスを向上させることを目的としたユースケースの例について説明します。

便利なリンク

リンク
AN12603
AN12603ソフトウェア
AN12781
AN12781ソフトウェア
AN12892
AN12892ソフトウェア
TensorFlow Lite の eIQ™ \|NXPの
カフェ \|ディープラーニングフレームワーク
組み込みウィザード \|GUI開発の簡素化
コンテナとは? \|アプリのコンテナ化 \|港湾労働者

インダストリアル

スマートホーム