Combinative model compression approach for enhancing 1D CNN efficiency for EIT-based Hand Gesture Recognition on IoT edge devices

Tiny Machine Learning is rapidly evolving in edge computing and intelligent Internet of Things (IoT) devices. This paper investigates model compression techniques with the aim of determining their compatibility when combined, and identifying an effective approach to improve inference speed and energ...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Internet of things (Amsterdam. Online) Jg. 28; S. 101403
Hauptverfasser:	Mnif, Mahdi, Sahnoun, Salwa, Ben Saad, Yasmine, Fakhfakh, Ahmed, Kanoun, Olfa
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 01.12.2024
Schlagworte:	1D CNN Edge computing EIT Energy efficiency Hand Gesture Recognition Inference time IoT devices Lightweight models Model compression techniques Tiny ML EIT Tiny ML Hand Gesture Recognition Lightweight models IoT devices Energy efficiency Inference time 1D CNN Model compression techniques Edge computing
ISSN:	2542-6605, 2542-6605
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!