Autonomous indoor navigation of Micro Aerial Vehicles (MAVs) possesses many
challenges. One main reason is that GPS has limited precision in indoor
environments. The additional fact that MAVs are not able to carr
提出了一种新颖的自适应深度学习机制,用于有效执行基于视觉的人体姿势估计任务,以最大限度地利用纳米无人机上的极其有限资源,通过结合两种卷积神经网络、三种基于输出的时间一致性和辅助任务的新适应策略来实现。在真实世界数据集和实际纳米无人机硬件上,与仅执行更大且更精确的卷积神经网络模型相比,我们的最佳性能系统显示了 28% 的延迟减少,同时保持相同的平均绝对误差(MAE),3% 的 MAE 减少,并且绝对峰值性能,即比 SoA 模型好 6%。