面向机器人系统的低功耗边缘设备上的量化深度学习模型
信号处理
2019-12-03 v1 机器学习
摘要
在这项工作中，我们提出了一种部署在低功耗边缘设备上的量化深度神经网络，用于在限定空间内推断悬浮机器人的已学习运动。这作为原始装置的基本构建模块，该装置是一种面向农场或温室中广泛农业任务的机器人系统。边缘设备上的深度学习及其影响可能对发展中国家的农业系统产生实质性影响，不仅带来可持续的食物生产和收入，还提高数据隐私和自主性。
引用
@article{arxiv.1912.00186,
title = {Quantized deep learning models on low-power edge devices for robotic systems},
author = {Anugraha Sinha and Naveen Kumar and Murukesh Mohanan and MD Muhaimin Rahman and Yves Quemener and Amina Mim and Suzana Ilić},
journal= {arXiv preprint arXiv:1912.00186},
year = {2019}
}
备注
Presented at NeurIPS 2019 Workshop on Machine Learning for the Developing World