边缘端实时检测
该模型通过多数据集训练克服单域泛化限制，并针对低功耗边缘部署进行量化优化。
Li, Yunghui · Chandra, Wijaya · Anggi, Andriyadi · Shih-Yen, Chen · Liu, Jungchung · Yang, Chao-Tung
Internet of Things (Netherlands) 2026
多数据集训练显著提升模型在室内、室外和混合场景的检测精度，相比单一数据集训练鲁棒性更强。
在 Jetson Orin Nano 上以平均 6.8 W 功耗实现 74.2 FPS，能源效率得分 972.8，适合边缘部署。
TensorRT FP16 和 INT8 精度优化在保持性能的同时降低功耗和延迟。