Cel
Deep Learning (DL) algorithms are an extremely promising instrument in artificial intelligence, achieving very high performance in numerous recognition, identification, and classification tasks. To foster their pervasive adoption in a vast scope of new applications and markets, a step forward is needed towards the implementation of the on-line classification task (called inference) on low-power embedded systems, enabling a shift to the edge computing paradigm. Nevertheless, when DL is moved at the edge, severe performance requirements must coexist with tight constraints in terms of power/energy consumption, posing the need for parallel and energy-efficient heterogeneous computing platforms. Unfortunately, programming for this kind of architectures requires advanced skills and significant effort, also considering that DL algorithms are designed to improve precision, without considering the limitations of the device that will execute the inference. Thus, the deployment of DL algorithms on heterogeneous architectures is often unaffordable for SMEs and midcaps without adequate support from software development tools.
The main goal of ALOHA is to facilitate implementation of DL on heterogeneous low-energy computing platforms. To this aim, the project will develop a software development tool flow, automating:
• algorithm design and analysis;
• porting of the inference tasks to heterogeneous embedded architectures, with optimized mapping and scheduling;
• implementation of middleware and primitives controlling the target platform, to optimize power and energy savings.
During the development of the ALOHA tool flow, several main features will be addressed, such as architecture-awareness (the features of the embedded architecture will be considered starting from the algorithm design), adaptivity, security, productivity, and extensibility.
ALOHA will be assessed over three different use-cases, involving surveillance, smart industry automation, and medical application domains
Dziedzina nauki
- natural sciencesphysical sciencesastronomyspace exploration
- natural sciencescomputer and information sciencesinternetinternet of things
- social sciencessociologyindustrial relationsautomation
- natural sciencescomputer and information sciencessoftwaresoftware development
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
Słowa kluczowe
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2017-1
System finansowania
RIA - Research and Innovation actionKoordynator
20864 Agrate Brianza
Włochy
Zobacz na mapie
Uczestnicy (15)
09124 Cagliari
Zobacz na mapie
1012WX Amsterdam
Zobacz na mapie
2311 EZ Leiden
Zobacz na mapie
8092 Zuerich
Zobacz na mapie
07100 Sassari
Zobacz na mapie
1100 WIEN
Zobacz na mapie
Zakończenie uczestnictwa
08940 Cornella De Llobregat Barcelona
Zobacz na mapie
Podmiot prawny inny niż podwykonawca, stowarzyszony lub mający inne powiązania prawne z uczestnikiem. Podmiot realizuje prace na podstawie warunków umowy o grant, dostarcza towary lub świadczy usługi związane z działaniem, jednak nie podpisuje umowy o grant. Podmiot zewnętrzny przestrzega zasad i wymogów dotyczących danego uczestnika wynikających z umowy o grant, dotyczących kwalifikowalności kosztów oraz kontroli wydatków.
Zakończenie uczestnictwa
SL3 9LL Slough
Zobacz na mapie
4232 HAGENBERG
Zobacz na mapie
20152 Milano
Zobacz na mapie
49527 Petach Tikva
Zobacz na mapie
26500 Rio
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
09128 Cagliari
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
6706701 Tel Aviv
Zobacz na mapie
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.
08002 Barcelona
Zobacz na mapie