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...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Internet of things (Amsterdam. Online) Ročník 28; s. 101403
Hlavní autoři:	Mnif, Mahdi, Sahnoun, Salwa, Ben Saad, Yasmine, Fakhfakh, Ahmed, Kanoun, Olfa
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.12.2024
Témata:	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
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!