GestLite：基于事件驱动模型和输入适配技术的轻量级手势检测系统，适用于边缘人工智能应用

《IEEE Access》：GestLite: Lightweight Gesture Detection for Edge AI via Event-Driven Model and Input Adaptations

　　

摘要：

深度神经网络（DNNs）在许多边缘视觉应用中发挥着重要作用，但其部署往往受到严格的能源和延迟预算的限制。在这项工作中，我们提出了GestLite，这是一种基于DNN的手势检测系统，通过联合应用与系统协同设计来优化能源效率。GestLite引入了三个正交优化参数：1）模型复杂性，通过结构化的宽度/深度调整和头部剪枝，生成了一系列轻量级的YOLO变体；2）空间分辨率（rl），该参数通过输入下采样（例如，640→160）将早期层的MAC减少了约93.75%；3）帧步长（k），实现了自适应的帧跳跃。该轻量级检测器以低分辨率和低帧率持续运行，仅在包含手势的帧上调用高保真模型。这种双阶段管道通过事件驱动的调度动态调整其能源消耗以适应手势活动。在HaGRID数据集上训练并在Jetson Orin AGX上部署的GestLite实现了平均功率减少了3×，同时保持了mAP50>90%。对900种配置进行全面帕累托优化后发现，只有2%的设计在联合优化后达到帕累托最优，这突显了跨耦合调度的必要性。最佳配置在<0.42 W的能源预算下实现了F1?>97.6%，每瓦特精度超过2.3 mAP/W。因此，GestLite实现了适用于移动XR和汽车界面的实用且节能的手势检测。