FRH - Investigación y Posgrado - Publicaciones - Artículos
Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/321
Browse
Item B- VGG16: Red Neuronal de Convolución cuantizada binariamente para la clasificación de imágenes(Martín German Gonzalez, 2022) Urbano Pintos, Nicolás; Lacomi, Héctor Alberto; Lavorato, Mario BlasEn este trabajo se entrena y evalúa una red neuronal de convolución cuantizada de forma binaria para la clasificación de imágenes. Las redes neuronales binarizadas reducen la cantidad de memoria, y es posible implementarlas con menor hardware que las redes que utilizan variables de valor real (Floating Point 32 bits). Este tipo de redes se pueden implementar en sistemas embebidos, como FPGA. Se realizó una cuantización consciente del entrenamiento, de modo de poder compensar los errores provocados por la perdida de precisión de los parámetros. El modelo obtuvo una precisión de evaluación de un 88% con el conjunto de evaluación de CIFAR-10.