PulseAugur
中
实时 10:42:01
English(EN) Hardware-aware Graph Neural Networks prunning for embedded event-based vision

新的剪枝技术优化了嵌入式事件驱动视觉的GCN

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种面向嵌入式事件驱动视觉系统的图卷积神经网络（GCN）的硬件感知剪枝和量化策略。该方法旨在通过减少内存使用同时保持推理精度来优化资源受限FPGA平台上的GCN模型。在CIFAR-10、MNIST-DVS和N-Caltech101等数据集上的评估表明，BRAM内存显著减少，精度下降幅度在1.65%至5.18%之间。 AI

影响 这项研究可能导致机器人等应用中边缘设备的更高效AI处理。

排序理由 详细介绍一种优化神经网络新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的剪枝技术优化了嵌入式事件驱动视觉的GCN

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Piotr Wzorek, Kamil Jeziorek, Tomasz Kryjak ·

    Hardware-aware Graph Neural Networks prunning for embedded event-based vision

    arXiv:2607.06739v1 Announce Type: new Abstract: Event-based cameras are gaining popularity as the sensor of choice for mobile robotics, due to their high performance in dynamic environments. However, these applications require efficient real-time data processing with low latency …

相关实体

相关话题