基于脉冲冲击波的边缘端肩部超声手势识别
计算机视觉与模式识别
2024-09-17 v1 机器人学
摘要
肩部超声成像已显示出对于准确手势分类具有重要潜力。尽管如此，仍有 limited 关注 developing a stand-alone end- to-end gesture recognition system 以使其 mobile, real-time and more user friendly。为填补这一差距，本文探索了在边缘设备上部署深度神经网络进行肩部超声基于手势识别。通过利用量化技术，我们在保持高准确性和低延迟的同时实现了模型大小的显著降低。我们的 best model 在 Raspberry Pi 上的 Float16 量化测试准确率达92%，推理时间为0.31秒。这些结果表明在资源受限的边缘设备上实现高效、实时的手势识别是可行的，为可穿戴式基于超声的系统铺平了道路。
关键词
引用
@article{arxiv.2409.09915,
title = {Forearm Ultrasound based Gesture Recognition on Edge},
author = {Keshav Bimbraw and Haichong K. Zhang and Bashima Islam},
journal= {arXiv preprint arXiv:2409.09915},
year = {2024}
}
备注
Please contact the authors for code and any additional questions pertaining to the project. You can reach Keshav Bimbraw at bimbrawkeshav at gmail dot com