参数减、精度不减
在保持高精度心率估计的同时，大幅降低模型参数量与计算复杂度，适合资源受限场景。
Jun-Rui, Ma · 贾瑞生 · Meng-Qi, Zhang · Meng-Xuan, Jiang · 孙红梅
IEEE Internet of Things Journal 2025
相比代表性深度学习模型，CTA-Net显著降低了参数量，便于在边缘设备上部署。
在PURE和COFACE上达到SOTA，在UBFC上接近SOTA，证明轻量化并未牺牲估计精度。
通过融合RGB和YUV色彩空间构建多尺度时空图，增强特征提取能力，同时保持低计算复杂度。