BENCHMARKING TINY IMAGE CLASSIFICATION MODELS ON ESP32 XIAO: ACCURACY–LATENCY–MEMORY TRADE-OFFS

Bài báo này trình bày một nghiên cứu đánh giá các mạng nơ-ron tích chập nhẹ cho bài toán phân loại ảnh trực tiếp trên vi điều khiển ESP32 XIAO. Với giới hạn tài nguyên dưới 512 KB RAM và 2 MB Flash, việc triển khai mô hình học sâu đòi hỏi thiết kế gọn nhẹ và lượng tử hóa. Để đảm bảo tính chuẩn hóa và khả năng tái lập, chúng tôi sử dụng bộ dữ liệu Visual Wake Words, một benchmark điển hình trong TinyML cho bài toán phân loại nhị phân “Có người” và “Không có người”. Bốn kiến trúc đại diện—Tiny-CNN, MobileNetV1-α0.1, MobileNetV2-α0.35 và ResNet-8—được huấn luyện ở định dạng FP32, chuyển đổi sang TensorFlow Lite và triển khai với lượng tử hóa 8-bit trên ESP32. Các kết quả được báo cáo gồm độ chính xác, điểm F1, độ trễ suy luận, mức sử dụng bộ nhớ đỉnh và dung lượng Flash, được đo trực tiếp trên phần cứng thông qua tín hiệu GPIO và nhật ký bộ nhớ. Kết quả thực nghiệm cho thấy sự đánh đổi rõ rệt: MobileNetV2-α0.35 đạt độ chính xác cao nhất nhưng yêu cầu bộ nhớ và độ trễ lớn hơn, trong khi MobileNetV1-α0.1 mang lại sự cân bằng tốt nhất giữa hiệu năng và hiệu quả. Nghiên cứu này cung cấp hướng dẫn thực tiễn cho việc lựa chọn mô hình dưới các ràng buộc nhúng nghiêm ngặt và chứng minh tính khả thi của ứng dụng TinyML thị giác trên ESP32.