Resumen
El entrenamiento de redes convolucionales para identificar y clasificar objetos requiere un alto poder computacional. Al adaptar este proceso a sistemas embebidos, las limitaciones aumentan debido a la velocidad reducida del microcontrolador y la limitada memoria RAM. Sin embargo, con hardware reconfigurable, podemos disminuir los tiempos de procesamiento y hasta mejorar la precisión. Esto también permite reducir el consumo eléctrico, tamaño, costo y peso, aspectos esenciales para acercar el cálculo a la capa de percepción.
Imparte Dr. Víctor Manuel Lomas Barrié-IIMAS, UNAM