Computer vision 珊瑚边缘TPU三维卷积模型?

Computer vision 珊瑚边缘TPU三维卷积模型?,computer-vision,conv-neural-network,tensorflow-lite,tpu,google-coral,Computer Vision,Conv Neural Network,Tensorflow Lite,Tpu,Google Coral,我刚刚拿起一个谷歌珊瑚USB加速器学习ML,而没有花很多钱在一台新的PC/GPU上(从2014年起我仍然有一台Macbook Air,速度慢得可笑) 我想尝试在这个视频镜头检测器模型上完成的工作的基础上,为相关用例培训一些东西: 该模型与我迄今为止一直在玩的任何Coral CV示例都有很大不同。我运行的那些都将单个帧作为输入,但这种方法需要将一组帧一起传递给模型 我试图弄清楚EdgeTPU是否支持此类操作-我发现这一页的操作与PDF第3页的表格进行了比较: 列出的“Conv2D”似乎非常明确

我刚刚拿起一个谷歌珊瑚USB加速器学习ML,而没有花很多钱在一台新的PC/GPU上(从2014年起我仍然有一台Macbook Air,速度慢得可笑)

我想尝试在这个视频镜头检测器模型上完成的工作的基础上,为相关用例培训一些东西:

该模型与我迄今为止一直在玩的任何Coral CV示例都有很大不同。我运行的那些都将单个帧作为输入,但这种方法需要将一组帧一起传递给模型

我试图弄清楚EdgeTPU是否支持此类操作-我发现这一页的操作与PDF第3页的表格进行了比较:

列出的“Conv2D”似乎非常明确,它是二维的,并且没有列出等效的三维操作。那是不是意味着我在这里运气不好

我想知道是否有人有任何其他的想法/现有技术,我应该研究这种利用Coral Edge TPU的视频分析


谢谢

好问题,也谢谢你分享那篇论文,非常好。 问题是edgetpu是为边缘设备制造的,内存非常有限。这使得涉及太多输入的简单操作比普通cpu模型复杂得多。我想这最终可能会在未来得到SW+HW双方的支持,但不幸的是,目前的限制仍然存在