TrashDet: 効率的な廃棄物検出のための反復型ニューラルアーキテクチャ探索

この論文では、エッジおよびIoTデバイスでの廃棄物検出のための新しいフレームワークであるTrashDetを紹介しています。TinyMLの制約に焦点を当てた反復的なニューラルアーキテクチャ探索は、重要な貢献です。Once-for-AllスタイルのResDetsスーパーネットと、バックボーンとネック/ヘッドの最適化を交互に行う進化的探索の使用は有望に見えます。既存の検出器と比較して、特に精度とパラメータ効率の点でパフォーマンスが向上していることは注目に値します。MAX78002マイクロコントローラーでのエネルギー消費とレイテンシーの改善は、リソースが制約された環境でのTrashDetの実用性をさらに強調しています。この論文が特定のデータセット（TACO）とマイクロコントローラー（MAX78002）に焦点を当てているため、一般化可能性が制限される可能性がありますが、結果は定義された範囲内で説得力があります。