Compresión y fusión de redes convolucionales para el análisis de imágenes en dispositivos de borde

Abstract

RESUMEN : La seguridad ciudadana ha adquirido una relevancia central en la garantía del bienestar de los habitantes de diversas ciudades en todo el mundo. La integración de herramientas tecnológicas, como las cámaras de vídeo, ha demostrado ser efectiva para mitigar situaciones de riesgo a través de estrategias de monitoreo y control. Las imágenes captadas por estas cámaras se han convertido en una fuente invaluable de información para identificar eventos potencialmente peligrosos, generando alertas que son canalizadas a las autoridades correspondientes. En el ámbito del procesamiento de información visual, las redes neuronales profundas son comúnmente empleadas debido a su capacidad precisa para identificar situaciones de riesgo. La computación en el borde, como alternativa a la computación en la nube, emerge como una tendencia destinada a optimizar la eficiencia de los sistemas de monitoreo. La convergencia de modelos de aprendizaje profundo y la computación en el borde plantea desafíos para la ejecución eficiente de modelos en dispositivos con limitaciones en capacidad de cómputo y memoria. Para mejorar la eficiencia en la ejecución de modelos neuronales en el borde se emplea la compresión como estrategia para disminuir el tamaño y la complejidad del modelo. La fusión de modelos de redes neuronales se destaca también como una estrategia que permite la combinación de dos o más modelos en uno solo. Este nuevo modelo fusionado conserva la capacidad de realizar inferencias de los modelos originales, pero con una reducción en los requisitos de cómputo y memoria. El presente trabajo emplea modelos de aprendizaje profundo para identificar, en imágenes de vídeo, objetos que pueden comprometer la seguridad de los ciudadanos. Los modelos individuales, que identifica cada tipo de objeto en particular, son comprimidos y luego fusionados para permitir su ejecución en dispositivos de borde. Esta aproximación es evaluada para garantizar una identificación precisa y oportuna de los objetos y así alertar sobre situaciones de riesgo para las personas. Los resultados obtenidos son alentadores, mostrando que la nuestra tiene un enorme potencial para desplegar modelos de aprendizaje profundo complejos sobre plataformas con limitaciones computacionales y de memoria.