研究人员开发了ARGO，一个支持设备端机器学习以进行实时城市障碍物识别的智能眼镜平台。该系统利用带有NPU的STM32N6微控制器和经过优化的YOLOv11模型，并结合了头部并行注意力（HPA）以实现高效处理。这种集成方法在最小的内存占用下实现了24 mAP50-95的分数，并在200 mAh电池上提供约113分钟的连续运行时间，展示了一种注重隐私且节能的辅助设备。 AI
影响 通过集成硬件和AI的协同设计，证明了高性能、注重隐私的辅助设备的可行性。
排序理由 这是一篇详细介绍新平台和模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
