Palm-sized nano-drones are an appealing class of edge nodes, but their
limited computational resources prevent running large deep-learning models
onboard. Adopting an edge-fog computational paradigm, we can offlo
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%。