Eficiencia comparativa en la ejecución de algoritmos de visión artificial

Introduction: A neural network is a programmed algorithm based on an inference model. For the execution of a vision process, advanced inference is necessary. Low energy consumption is also desirable. Objectives: to analyze the comparative efficiency in the execution of artificial vision through embedded systems. Methodology: To compare the inference times involved in executing a deep neural network in an embedded system such as Raspberry Pi 4 and an inference accelerator designed by Intel. Results: The installation and configuration process necessary for compatibility between the two devices is detailed already trained neural network models focused on image processing are used and the inference time involved in executing them is compared. Conclusions: In the end, it is concluded that for these experimental conditions the inference time has been improved by 25%.Introducción: Una red neuronal es un algoritmo programado con base en un modelo de inferencia Para la ejecución de un proceso de visión es necesario una inferencia avanzada también es deseable un bajo consumo de energía Objetivos: analizar la eficiencia comparativa en la ejecución de visión artificial mediante sistemas embebidos. Metodología: Comparar los tiempos de inferencia que conlleva el ejecutar una red neuronal profunda en un sistema embebido del tipo Raspberry Pi 4 y un acelerador de inferencias diseñado por Intel Resultados: Se detalla el proceso de instalación y configuración necesaria para la compatibilidad entre los dos dispositivos, se utiliza modelos de redes neuronales ya entrenadas enfocadas al procesamiento de imágenes y se compara el tiempo de inferencia que conlleva el ejecutarlos Conclusiones: Al final se llega a la conclusión que para estas condiciones experimentales el tiempo de inferencia se ha mejorado en un 25 %