| Summary: | Machine learning é um método poderoso para construir modelos que usam dados para fazer previsões: de uma forma simplificada, ´e um campo que dá aos computadores a habilidade de ”aprenderem” sem terem de ser programados diretamente. Os sistemas embebidos, normalmente os microcontroladores, são caracterizados pela existência de limitações no número de ciclos de processamento, memória, tamanho, peso, consumo de energia e custo, o que torna o machine learning difícil de implementar. No entanto com a evolução da tecnologia, o machine learning está agora acessível num maior número de dispositivos com baixos recursos computacionais. Esta dissertação centrou-se na comparação de alguns sistemas com baixos recursos computacionais para machine learning na classificação de imagens. Esta comparação foi obtida através da análise de diferentes arquiteturas de hardware, escolhendo um algoritmo que exige uma grande quantidade de cálculos e utilizando diferentes bibliotecas para machine learning.
|
|---|