对资源受限设备上基于CNN的音频标记模型的全面评估

于红博

摘要: 卷积神经网络（CNNs）在音频标记任务中表现出色。然而，在像树莓派这样的资源受限设备上部署这些模型会面临与计算效率和热管理相关的挑战。本文对树莓派上用于音频标记的多个卷积神经网络（CNN）架构进行了全面评估，包括来自预训练音频神经网络（PANNs）框架的所有1D和2D模型，适用于音频分类的基于ConvNeXt的模型，以及MobileNetV3架构。此外，最近提出的两个PANNs派生网络，CNN9和CNN13，也进行了评估。为了增强跨多种硬件平台的部署效率和便携性，所有模型都转换为开放神经网络交换（ONNX）格式。与以往专注于单一模型的研究不同，我们的分析涵盖了更广泛的架构范围，并进行了连续24小时推理会话以评估性能稳定性。我们的实验结果表明，在适当的模型选择和优化下，可以在较长时间内保持一致的推理延迟并有效管理热行为。这些发现为在实际边缘计算场景中部署音频标记模型提供了宝贵的见解。

更新时间: 2025-09-19 10:37:07

领域: cs.SD,cs.AI,eess.AS

下载: http://arxiv.org/abs/2509.14049v2