15種不同的測(cè)量功能提供了廣泛的功能和靈活性；

具有1Ms/s數(shù)字化的波形捕獲功能是業(yè)界領(lǐng)先的功能，可幫助設(shè)計(jì)人員捕獲低電流波形。它提供非常寬的動(dòng)態(tài)電流和電阻范圍

為了提升復(fù)雜背景下小尺寸人臉檢測(cè)精度，提出了一種人臉檢測(cè)方法GhostNet-MTCNN。

知識(shí)蒸餾后的量化網(wǎng)絡(luò)比全精度網(wǎng)絡(luò)的分類準(zhǔn)確率提升了9%。

在FPGA開發(fā)板上的運(yùn)行結(jié)果符合預(yù)期，達(dá)到了需要的性能，可以對(duì)左束支傳導(dǎo)阻滯（L）、右束支傳導(dǎo)阻滯（R）、正常心拍（N）和室性早搏綜合征（V）四種心電信號(hào)進(jìn)行分類，相比于其他量化方式對(duì)存儲(chǔ)參數(shù)的需求更小，資源使用更少，相比于CPU速度提升了1.5倍，運(yùn)行時(shí)間達(dá)到實(shí)時(shí)性要求，適合于部署在小型、輕量化的資源有限的可穿戴設(shè)備上。

心電數(shù)據(jù)實(shí)時(shí)分類的量化神經(jīng)網(wǎng)絡(luò)，將權(quán)重量化為兩位整數(shù)，運(yùn)用知識(shí)蒸餾的方法使性能達(dá)到了期望的效果，并部署于FPGA開發(fā)板上。

實(shí)驗(yàn)結(jié)果表明，該方法可以有效平衡參數(shù)量和精度。

在Easy、Medium、Hard三種驗(yàn)證集上，與MTCNN相比在參數(shù)量?jī)H增加0.62M的前提下精度分別提升了 5.6%、6.6%、7.8%，與MobileNetV3-MTCNN相比在參數(shù)量減少1.27M的同時(shí)精度又分別提升了1.6%、0.8%、0.5%。

研究能夠在復(fù)雜場(chǎng)景下提高模型對(duì)小尺寸、多角度人臉檢測(cè)精度，同時(shí)也能夠有效平衡參數(shù)量和檢測(cè)精度使其成為在邊緣設(shè)備部署中更優(yōu)的選擇。

深圳市裕碩科技有限公司http://yushuo.51dzw.com