arXiv · 机器人与计算机视觉· Malek Baba, Thinesh Thiyakesan Ponbagavathi, Alina Roitberg·· 2026-10-20AI 评分23
PDNet:探索剪枝与蒸馏实现工业装配实时工人活动识别
PDNet: Exploring Pruning and Distillation for Real-Time Worker Activity Recognition in Industrial Assembly
AI 导读
PDNet 框架联合利用结构化剪枝与知识蒸馏优化 3D 卷积网络,在 MECCANO 数据集上将 Top-1 准确率从 25.54% 提升至 39.46%,模型仅 6.90 MB。该方法在 X3D-M 骨干网络上仅需 3.78 GFLOPs 算力即可恢复剪枝损失的性能,为资源受限的工业装配场景提供高效解决方案。论文已发表于 VISAPP 2026 会议 Proceedings。
来源:arXiv · 机器人与计算机视觉 · arxiv.org