边缘AI
-
如何评估AI芯片的能效比？深入浅出解析指南
随着人工智能 (AI) 的蓬勃发展，AI芯片作为其核心驱动力，受到了前所未有的关注。在选择AI芯片时，除了关注其算力之外， 能效比 (Performance per Watt) 也是一个至关重要的指标。它直接关系到芯片的运行成本、散热需...
-
家用摄像头到底选哪个品牌更安心？这几个在数据安全和隐私保护上表现出色
说起家用摄像头，咱们图的不就是个安心吗？可市面上品牌千千万，功能花里胡哨，但你有没有想过，那个实时监控着你家画面的小眼睛，它的数据安全和隐私保护到底做得怎么样？这可不是小事，一旦信息泄露，后果不堪设想。今天，咱们就来好好聊聊，选购家用摄像...
-
联邦学习在边缘设备上：模型压缩与加速的实用指南
在联邦学习（Federated Learning, FL）的场景下，如何有效地在资源受限的边缘设备上实现模型压缩和加速，同时确保模型的性能和可解释性，是一个兼具理论与实践挑战的关键问题。边缘设备通常面临计算能力、存储空间和电池寿命的限制，...
-
边缘AI工业缺陷检测：模型、延迟与体积三维优化策略
在工业缺陷检测中，将目标检测模型部署到边缘嵌入式工控机上，并同时满足95%以上检测准确率、50毫秒以内推理延迟以及100MB以内模型大小这三重严苛要求，确实是一个典型的工程挑战。这不仅仅是单一技术点的突破，更需要系统性的优化策略和权衡。 ...
-
边缘AI模型瘦身术：PTQ与QAT量化技术在不同硬件平台上的实战对比
在边缘计算日益普及的今天，将复杂的深度学习模型部署到资源受限的设备上，成为许多开发者面临的挑战。模型量化作为一种有效的模型优化技术，通过降低模型参数的精度，显著减少模型大小、降低内存占用并加速推理过程，是解决这一难题的关键。本文将深入探讨...
-
ESP32除了人脸识别，还能在物体/场景识别中大显身手吗？
当然可以！ESP32 在图像识别领域的应用远不止人脸识别那么简单，它在物体识别和场景识别方面也有很大的潜力。不过，就像任何低功耗嵌入式设备一样，它有其固有的局限性，需要我们巧妙地平衡算力、内存和算法效率。 如果你想用 ESP32 实现...
-
事件驱动神经网络如何"原生"消化动态视觉数据？无卷积架构的端到端运动方向识别原理
当传统计算机视觉还在将事件相机（Event Camera）的异步数据流转换为帧图像进行卷积处理时，脉冲神经网络（SNN）已经能够直接在 时间域 内解析AER（Address-Event Representation）协议数据，实现微秒级延...
