ECE209AS AI ML_CPS IoT:2021年冬季ECE 209 AS项目 源码

ECE209AS-AI-ML_CPS-IoT 高资源受限对象检测设备的自适应模型流技术分析 团队成员: Riyya Hari Iyer(UCLA 2021电气和计算机工程系) Matthew Nicholas(UCLA 2021电气和计算机工程系) 目录 [结论](#conclusion) [未来工作](#future-work) 介绍 项目提案 该项目将专注于改善计算受限的边缘设备上的实时视频推断。 诸如对象检测,语义分割和姿势估计之类的常见视频推理任务通常使用深度神经网络(DNN)。 但是,这些DNN占用大量内存,并且需要许多资源受限的边缘设备所不具备的强大计算能力。 为了在那些边缘设备上执行这些任务,通常是(1)使用专门的“轻量级”模型或(2)将计算卸载到远程服务器。 设计良好的“轻量级”模型更有可能在资源受限的设备上实时安装和运行。 不幸的是,与更复杂的模型相比,这些模型经