面向手势与视觉智能传感器的增量在线学习算法比较
机器学习
2022-09-02 v1 人工智能
图像与视频处理
摘要
物联网系统中的微型机器学习(TinyML)利用 MCU 作为边缘设备进行数据处理。然而，传统 TinyML 方法仅能执行推理，局限于静态环境或类别。真实场景通常在动态环境中工作，从而漂移了原始神经模型不再适用的语境。因此，预训练模型在其生命周期内精度与可靠性下降，因为记录的数据逐渐过时或新图案出现。持续学习策略通过运行时微调参数使模型保持更新。本文在两个真实应用中比较四种前沿算法：i) 基于加速度计数据的手势识别与 ii) 图像分类。我们的结果证实了这些系统的可靠性以及在微小内存 MCU 中部署的可行性，相较于无约束计算平台的原始模型精度下降几个百分点。
引用
@article{arxiv.2209.00591,
title = {Incremental Online Learning Algorithms Comparison for Gesture and Visual Smart Sensors},
author = {Alessandro Avi and Andrea Albanese and Davide Brunelli},
journal= {arXiv preprint arXiv:2209.00591},
year = {2022}
}