面向资源受限设备上步态识别的二值化神经网络
机器学习
2021-04-01 v1
摘要
通过步态分析进行用户认证是判别型神经网络的一个有前景的应用——尤其是由于步态加速度计的主要来源（口袋中的手机）无处不在。然而，常规机器学习模型往往过大且计算昂贵，无法在低资源移动设备上进行推理。我们提出二值化神经网络可作为鲁棒判别器，在保持可接受精度水平的同时大幅降低内存需求，从而实现设备端推理。为此，我们提出 BiPedalNet，一种紧凑型 CNN，仅以 1/32 的内存开销在 Padova 步态数据集上近乎达到最先进水平。
引用
@article{arxiv.2103.16609,
title = {Binarized Neural Networks for Resource-Constrained On-Device Gait Identification},
author = {Daniel J. Wu and Avoy Datta and Vinay Prabhu},
journal= {arXiv preprint arXiv:2103.16609},
year = {2021}
}
备注
Authors One and Two contributed equally