인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
With recent innovations in AI and software technology, on-device object detection has drawn significant attention. This technique enables real-time processing of visual data without the need for a connection to a distant server. However, deploying these models on resource-constrained edge devices presents several challenges. The primary obstacles stem from the limited processing power, memory, and storage capacity of these devices, as well as software issues. The current constraints make training artificial intelligence inefficient, as it requires substantial storage and computational power. Moreover, the development of devices based on ARM architecture demands the training and implementation of a customized model specifically designed for that edge device. This article discusses the development of a lightweight object recognition model that utilizes a TensorFlow Lite model and achieves a high accuracy rate of 94% on a custom edge device. This study also presents techniques for implementing this method using a custom file, demonstrates new performance metrics, and yields favorable results compared to existing benchmarks.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091072453
