PulseAugur
中
实时 08:05:38
English(EN) EdgeLPR: On the Deep Neural Network trade-off between Precision and Performance in LiDAR Place Recognition

EdgeLPR论文探讨了激光雷达地点识别中神经网络精度与性能的权衡

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了EdgeLPR，一种在边缘设备上进行高效激光雷达地点识别的方法。该方法利用鸟瞰图表示，为自动导航启用轻量级图像网络。实验在不同量化级别（FP32、FP16、INT8）下评估了性能，结果表明FP16在降低成本的同时提供了与FP32相当的精度，而INT8可能导致依赖于架构的性能下降。 AI

影响 提出了一个在资源受限的边缘设备上为自动导航优化神经网络性能和准确性的框架。

排序理由 学术论文，详细介绍了在边缘设备上高效部署AI模型的新方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

EdgeLPR论文探讨了激光雷达地点识别中神经网络精度与性能的权衡

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Pierpaolo Serio, Hetian Wang, Zixiang Wei, Vincenzo Infantino, Lorenzo Gentilini, Lorenzo Pollini, Valentina Donzella ·

    EdgeLPR：激光雷达地点识别中深度神经网络在精度与性能之间的权衡

    arXiv:2605.02275v1 Announce Type: new Abstract: Place recognition is essential for long-term autonomous navigation, enabling loop closure and consistent mapping. Although deep learning has improved performance, deploying such models on resource-constrained platforms remains chall…

  2. arXiv cs.CV TIER_1 English(EN) · Valentina Donzella ·

    EdgeLPR：关于激光雷达地点识别中深度神经网络在精度与性能之间的权衡

    Place recognition is essential for long-term autonomous navigation, enabling loop closure and consistent mapping. Although deep learning has improved performance, deploying such models on resource-constrained platforms remains challenging. This work explores efficient LiDAR-based…

相关实体

相关话题