研究人员在 Raspberry Pi 和 Jetson Orin Nano 等各种边缘计算设备上对 YOLOv8、EfficientDet Lite 和 SSD 变体等几种深度学习目标检测模型进行了基准测试。该研究根据能耗、推理时间和准确性 (mAP) 评估了性能。结果表明，模型准确性和资源效率之间存在权衡，SSD MobileNet V1 等较低 mAP 的模型速度更快、能效更高，而 YOLOv8 Medium 等较高 mAP 的模型资源消耗更大，尽管 TPU 可以缓解这种情况。Jetson Orin Nano 在请求处理方面表现出最佳性能。 AI
影响 为在资源受限的边缘设备上优化深度学习模型的部署提供了指导，平衡了准确性和效率。
排序理由 这是一篇评估特定应用现有模型和硬件的研究论文。
- Daghash K. Alqahtani
- EfficientDet Lite
- Jetson Orin Nano
- Raspberry Pi
- SSD MobileNet V1
- YOLOv8
- YOLOv8 Medium
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
