Do modelo ao microcontrolador: seleção de arquiteturas robustas guiada pelo hardware para o reconhecimento de placas de trânsito
Reconhecimento de placas de trânsito, Robustez adversarial, Quantização int8, Microcontroladores, Seleção de arquiteturas.
Veículos com assistência ao motorista leem as placas de trânsito com câmeras e re-
des neurais, e esse reconhecimento está migrando para hardware embarcado barato, como
os microcontroladores. Entretanto, alterações pequenas e escolhidas de propósito, como
uma fita colada numa placa, podem trocar a decisão da rede, e resistir a elas, o que se
chama de robustez adversarial, é uma questão de segurança. O modelo que roda no mi-
crocontrolador não é o modelo treinado, mas uma versão convertida para inteiros de 8 bits
(int8), o que arredonda os números da rede. Mesmo assim, a robustez costuma ser ava-
liada com ataques calculados no modelo treinado, e o custo, estimado por contagens de
operações. Numa revisão sistemática com 27 estudos de aprendizado de máquina em
microcontroladores (TinyML), nenhum reporta a robustez junto com o custo de energia
ou de memória. Nas buscas conduzidas para este trabalho, nenhum estudo une placas de
trânsito, robustez adversarial e compressão de redes. O objetivo deste trabalho é propor
e validar um método que escolhe a arquitetura da rede de um reconhecedor de placas
para microcontroladores pela robustez do modelo int8 embarcado e pelo custo medido
no hardware. Para isso, reconhecedores compactos treinados no banco de dados GTSRB
serão convertidos para int8 e avaliados em quatro níveis, com o custo medido num micro-
controlador ESP32-S3. O método será comparado com seleções de referência inspiradas
na literatura. Os resultados preliminares usam 11 modelos e o AutoAttack padrão (AA-
std), com perturbações de até 4/255 e 8/255 da faixa de valores de cada pixel. Neles, a
avaliação por transferência, que calcula o ataque no modelo treinado e só o reaplica ao
modelo int8, superestimou em 1,9 a 8,7 pontos percentuais a robustez medida quando o
ataque leva em conta o arredondamento. As contagens de operações erraram em cerca de
40%, na mediana, o tempo de execução de arquiteturas que não entraram no ajuste. Esses
resultados são descritivos: cada modelo foi treinado uma vez, a comparação usa 1.000
imagens do teste, e a robustez foi medida no computador, e não no microcontrolador. Até
cerca de outubro de 2028, a continuação prevê confirmar a originalidade do método por
uma busca sistemática e validá-lo num experimento registrado antes da execução.