期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
TFLite micro内存管理与分配策略的优化
被引量:
3
1
作者
许鹏
宋岩
《单片机与嵌入式系统应用》
2022年第10期11-15,共5页
TFLite micro(TFLm)是当前在微控制器平台上流行的神经网络推理框架。本文分析了TFLm在推理模型时的内存管理机制与分配策略,以及其在使用内存时的局限性。当前TFLm仅支持使用单块内存(Tensor Arena)来保存模型推理所需的中间结果,本文...
TFLite micro(TFLm)是当前在微控制器平台上流行的神经网络推理框架。本文分析了TFLm在推理模型时的内存管理机制与分配策略,以及其在使用内存时的局限性。当前TFLm仅支持使用单块内存(Tensor Arena)来保存模型推理所需的中间结果,本文扩展TFLm的内存管理以支持使用多块不连续且访问性能有巨大差异的内存,还给可以重叠的tensor分配相同的内存。通过这样的改进,既把数据流量更多地引到片上快速内存中,又降低了峰值内存的占用。通过在i.MX RT1170上的实验数据表明,本文策略对于含有快速片上RAM(以DTCM为代表)的微控制器,能大大提高片上快速RAM的利用率,显著缓解存储器带宽带来的瓶颈,使推理时间缩短至一半以上。
展开更多
关键词
tflite
micro
TFLm
TinyML
Tensor
Arena
i.MX
RT1170
DTCM
在线阅读
下载PDF
职称材料
Mediapipe框架中第三方模型的接入和GPU加速策略的研究
2
作者
张钢
袁霆
+2 位作者
肖宁杰
杨鸿凯
杨宗骏
《电脑与电信》
2025年第6期37-41,65,共6页
聚焦Mediapipe框架中第三方模型的高效接入与GPU加速策略优化。Mediapipe作为Google开源的移动端AI框架,凭借其管道架构在移动端实现了低延迟、高精度的实时处理。然而,该框架在支持第三方模型接入方面存在明显不足。针对这一问题,提出...
聚焦Mediapipe框架中第三方模型的高效接入与GPU加速策略优化。Mediapipe作为Google开源的移动端AI框架,凭借其管道架构在移动端实现了低延迟、高精度的实时处理。然而,该框架在支持第三方模型接入方面存在明显不足。针对这一问题,提出了一种创新的模型接入层设计方案,并成功实现了YOLOv11、YOLOv11-Pose和RTMPose三个模型的接入。在GPU加速策略方面,本研究从模型推理参数优化和推理结果解析两个方面进行了探讨,提出了一套完整的性能优化方案。实验结果表明,在Android平台上,该接入方案在模型运行效率方面取得了显著提升,同时保持了良好的部署便捷性。
展开更多
关键词
Mediapipe
YOLOv11
RTMPose
移动端AI
tflite
在线阅读
下载PDF
职称材料
TensorFlow Lite:端侧机器学习框架
被引量:
30
3
作者
李双峰
《计算机研究与发展》
EI
CSCD
北大核心
2020年第9期1839-1853,共15页
TensorFlow Lite(TFLite)是一个轻量、快速、跨平台的专门针对移动和IoT场景的开源机器学习框架,是TensorFlow的一部分,支持安卓、iOS、嵌入式Linux以及MCU等多个平台部署.它大大降低开发者使用门槛,加速端侧机器学习的发展,推动机器学...
TensorFlow Lite(TFLite)是一个轻量、快速、跨平台的专门针对移动和IoT场景的开源机器学习框架,是TensorFlow的一部分,支持安卓、iOS、嵌入式Linux以及MCU等多个平台部署.它大大降低开发者使用门槛,加速端侧机器学习的发展,推动机器学习无处不在.介绍了端侧机器学习的浪潮、挑战和典型应用;TFLite的起源和系统架构;TFLite的最佳实践,以及适合初学者的工具链;展望了未来的发展方向.
展开更多
关键词
机器学习
端侧机器学习
TensorFlow
TensorFlow
Lite
tflite
移动
物联网
在线阅读
下载PDF
职称材料
基于敏感区域检测的网络不良图片识别研究
被引量:
2
4
作者
熊凯辉
蒋程宇
+2 位作者
张恒
李易博
戴国勇
《信息与电脑》
2020年第13期111-113,共3页
笔者以TensorFlow中的不良图像过滤技术为架构,在其基础上建立更为复杂详细的算法,重点研究不良图像过滤器设计中的核心技术,设置一个出错率更低,识别能力更高效的不良图像过滤器,使之能够检测出一般过滤技术难以辨别的检测盲区。此外,...
笔者以TensorFlow中的不良图像过滤技术为架构,在其基础上建立更为复杂详细的算法,重点研究不良图像过滤器设计中的核心技术,设置一个出错率更低,识别能力更高效的不良图像过滤器,使之能够检测出一般过滤技术难以辨别的检测盲区。此外,还采用人脸识别辅助提高识别准确率,在此基础上设计并实现了一个Android平台的不良图像识别软件。
展开更多
关键词
TensorFlow
tflite
模型
人脸识别
在线阅读
下载PDF
职称材料
基于Faster RCNN的掌纹识别系统设计
5
作者
朱晓凤
肖佳
+2 位作者
杨微
罗琼
张志威
《移动信息》
2022年第8期187-189,共3页
在人们日益重视隐私的情况下,掌纹识别作为无接触的生物特征识别技术体现了无接触性、用户自主性等特点,使掌纹识别得到广泛关注。文章基于 Faster RCNN 深度学习模型,详细介绍了在 Android 系统下掌纹识别系统的系统架构、开发流程、...
在人们日益重视隐私的情况下,掌纹识别作为无接触的生物特征识别技术体现了无接触性、用户自主性等特点,使掌纹识别得到广泛关注。文章基于 Faster RCNN 深度学习模型,详细介绍了在 Android 系统下掌纹识别系统的系统架构、开发流程、核心算法及运行性能分析,经过测试说明,掌纹识别系统在移动端得到了较好的认证效果,证实此系统有一定的实用价值。
展开更多
关键词
掌纹识别
Faster
RCNN
tflite
移动端
在线阅读
下载PDF
职称材料
题名
TFLite micro内存管理与分配策略的优化
被引量:
3
1
作者
许鹏
宋岩
机构
恩智浦(天津)有限公司
恩智浦(北京)有限公司
出处
《单片机与嵌入式系统应用》
2022年第10期11-15,共5页
文摘
TFLite micro(TFLm)是当前在微控制器平台上流行的神经网络推理框架。本文分析了TFLm在推理模型时的内存管理机制与分配策略,以及其在使用内存时的局限性。当前TFLm仅支持使用单块内存(Tensor Arena)来保存模型推理所需的中间结果,本文扩展TFLm的内存管理以支持使用多块不连续且访问性能有巨大差异的内存,还给可以重叠的tensor分配相同的内存。通过这样的改进,既把数据流量更多地引到片上快速内存中,又降低了峰值内存的占用。通过在i.MX RT1170上的实验数据表明,本文策略对于含有快速片上RAM(以DTCM为代表)的微控制器,能大大提高片上快速RAM的利用率,显著缓解存储器带宽带来的瓶颈,使推理时间缩短至一半以上。
关键词
tflite
micro
TFLm
TinyML
Tensor
Arena
i.MX
RT1170
DTCM
Keywords
tflite
-micro
TFLm
TinyML
Tensor Arena
i.MX RT1170
DTCM
分类号
TP872 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
Mediapipe框架中第三方模型的接入和GPU加速策略的研究
2
作者
张钢
袁霆
肖宁杰
杨鸿凯
杨宗骏
机构
广东工业大学自动化学院
出处
《电脑与电信》
2025年第6期37-41,65,共6页
基金
国家自然科学基金项目,项目编号:81373883
2025年大学生创新训练项目,项目编号:xj2025118450147。
文摘
聚焦Mediapipe框架中第三方模型的高效接入与GPU加速策略优化。Mediapipe作为Google开源的移动端AI框架,凭借其管道架构在移动端实现了低延迟、高精度的实时处理。然而,该框架在支持第三方模型接入方面存在明显不足。针对这一问题,提出了一种创新的模型接入层设计方案,并成功实现了YOLOv11、YOLOv11-Pose和RTMPose三个模型的接入。在GPU加速策略方面,本研究从模型推理参数优化和推理结果解析两个方面进行了探讨,提出了一套完整的性能优化方案。实验结果表明,在Android平台上,该接入方案在模型运行效率方面取得了显著提升,同时保持了良好的部署便捷性。
关键词
Mediapipe
YOLOv11
RTMPose
移动端AI
tflite
Keywords
Mediapipe
YOLOv11
RTMPose
mobile AI
tflite
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
TensorFlow Lite:端侧机器学习框架
被引量:
30
3
作者
李双峰
机构
Google TensorFlow团队
出处
《计算机研究与发展》
EI
CSCD
北大核心
2020年第9期1839-1853,共15页
文摘
TensorFlow Lite(TFLite)是一个轻量、快速、跨平台的专门针对移动和IoT场景的开源机器学习框架,是TensorFlow的一部分,支持安卓、iOS、嵌入式Linux以及MCU等多个平台部署.它大大降低开发者使用门槛,加速端侧机器学习的发展,推动机器学习无处不在.介绍了端侧机器学习的浪潮、挑战和典型应用;TFLite的起源和系统架构;TFLite的最佳实践,以及适合初学者的工具链;展望了未来的发展方向.
关键词
机器学习
端侧机器学习
TensorFlow
TensorFlow
Lite
tflite
移动
物联网
Keywords
machine learning
on-device machine learning(ODML)
TensorFlow
TensorFlow Lite
tflite
mobile
IoT
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于敏感区域检测的网络不良图片识别研究
被引量:
2
4
作者
熊凯辉
蒋程宇
张恒
李易博
戴国勇
机构
浙江树人大学信息科技学院
出处
《信息与电脑》
2020年第13期111-113,共3页
基金
浙江省大学生科技创新活动计划(新苗人才计划)项目(项目编号:2019R421014)
浙江树人大学实验室开放项目(项目编号:2019JS3004)。
文摘
笔者以TensorFlow中的不良图像过滤技术为架构,在其基础上建立更为复杂详细的算法,重点研究不良图像过滤器设计中的核心技术,设置一个出错率更低,识别能力更高效的不良图像过滤器,使之能够检测出一般过滤技术难以辨别的检测盲区。此外,还采用人脸识别辅助提高识别准确率,在此基础上设计并实现了一个Android平台的不良图像识别软件。
关键词
TensorFlow
tflite
模型
人脸识别
Keywords
TensorFlow
tflite
model
face recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于Faster RCNN的掌纹识别系统设计
5
作者
朱晓凤
肖佳
杨微
罗琼
张志威
机构
广州软件学院
出处
《移动信息》
2022年第8期187-189,共3页
基金
广州软件学院“基于深度学习的掌纹识别研究”(项目编号:ky201912)。
文摘
在人们日益重视隐私的情况下,掌纹识别作为无接触的生物特征识别技术体现了无接触性、用户自主性等特点,使掌纹识别得到广泛关注。文章基于 Faster RCNN 深度学习模型,详细介绍了在 Android 系统下掌纹识别系统的系统架构、开发流程、核心算法及运行性能分析,经过测试说明,掌纹识别系统在移动端得到了较好的认证效果,证实此系统有一定的实用价值。
关键词
掌纹识别
Faster
RCNN
tflite
移动端
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
TFLite micro内存管理与分配策略的优化
许鹏
宋岩
《单片机与嵌入式系统应用》
2022
3
在线阅读
下载PDF
职称材料
2
Mediapipe框架中第三方模型的接入和GPU加速策略的研究
张钢
袁霆
肖宁杰
杨鸿凯
杨宗骏
《电脑与电信》
2025
0
在线阅读
下载PDF
职称材料
3
TensorFlow Lite:端侧机器学习框架
李双峰
《计算机研究与发展》
EI
CSCD
北大核心
2020
30
在线阅读
下载PDF
职称材料
4
基于敏感区域检测的网络不良图片识别研究
熊凯辉
蒋程宇
张恒
李易博
戴国勇
《信息与电脑》
2020
2
在线阅读
下载PDF
职称材料
5
基于Faster RCNN的掌纹识别系统设计
朱晓凤
肖佳
杨微
罗琼
张志威
《移动信息》
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部