嵌入式人工智能开发
文章平均质量分 95
嵌入式人工智能开发详解与实战。进行部署人工智能模型,深度学习、机器学习、智能优化算法、数据挖掘、数据分析等模型到嵌入式终端/单片机。本专栏对部署使用的模型算法进行详细讲解,以及应用部署在实战项目中。
阿齐Archie
计算机硕士-嵌入式领域&人工智能算法&软硬件系统开发-微信公众号:阿齐Archie
展开
-
【嵌入式AI开发】轻量化卷积神经网络MobileNetV3详解
本文对MobileNetv3网络结构进行详细的讲解。1.更新Block(bneck),也就是逆残差结构上的简单改动。2.使用NAS搜索参数(Neural Architecture Search)。3.重新设计耗时层结构,(对网络的每一层的推理时间进行分析,针对某些耗时的层结构做进一步优化)。4.重新设计激活函数原创 2024-04-28 22:08:14 · 2064 阅读 · 22 评论 -
【嵌入式AI开发】轻量化卷积神经网络Mnasnet(神经架构搜索)详解
谷歌轻量化卷积神经网络Mnasnet,介于MobileNet V2和V3之间。使用多目标优化的目标函数,兼顾速度和精度,其中速度用真实手机推断时间衡量。提出分层的神经网络架构搜索空间,将卷积神经网络分解为若干block,分别搜索各自的基本模块,保证层结构多样性。原创 2024-04-28 17:42:27 · 2489 阅读 · 10 评论 -
【嵌入式AI开发】轻量级卷积神经网络MobileNetV2详解
MobileNetV2网络先升维后降维,在降维时使用线性激活函数,带残差的Inverted bottleck模块,防止ReLU信息丢失。在图像分类、目标检测、语义分割等任务上实现了网络轻量化、速度和准确度的权衡。原创 2024-04-27 20:51:32 · 3144 阅读 · 41 评论 -
【嵌入式AI开发】轻量级卷积神经网络MobileNetV1、MobileNetV2、ResNet50项目实战——文末完整源码工程文件
本文介绍轻量级卷积神经网络MobileNet网络实战,包含MobileNetV1、MobileNetV2、ResNet50三个预训练模型可供选择。实现:1.预训练MobileNet图像分类,2.调用摄像头实时MobileNet图像分类,3.MobileNet视频图像分类。原创 2024-04-27 12:56:11 · 3355 阅读 · 28 评论 -
【嵌入式AI开发】轻量级卷积神经网络MobileNetV1详解
本文对轻量级卷积神经网络MobileNetV1网络进行详解。MobileNetV1网络就是由若干个深度可分离卷积模块堆叠起来的,深度可分离卷积由DW卷积核PW卷积构成。原创 2024-04-26 13:06:48 · 3675 阅读 · 46 评论 -
【嵌入式AI部署神经网络】STM32CubeIDE上部署神经网络之指纹识别(Pytorch)——篇一|环境搭建与模型初步部署篇
本篇主要讲解搭建所需环境,以及基于pytorch框架在stm32cubeide上部署神经网络,部署神经网络到STM32单片机,本篇实现初步部署模型,没有加入训练集与验证集,将在第二篇加入。篇二详细讲解STM32CubeIDE上部署神经网络之指纹识别(Pytorch)的数据准备和模型训练过程等,进行实战,第二篇在本专栏查阅。原创 2024-04-23 22:21:33 · 5904 阅读 · 37 评论