论文解读:《基于TinyML毫米波雷达的座舱检测、定位与分类》本文提出了一种实时的座舱检测、定位和分类解决方案,采用毫米波(mmWave)雷达系统芯片(SoC),CapterahCAL60S344-AE,支持微型机器学习(TinyML)。提出了波束距离-多普勒(BRD)特征,以减轻干扰的影响,便于成人和婴儿的分类。我们开发了两个轻量级卷积神经网络(CNNs)与标签平滑技术来克服噪声标签和增强模型的通用性。大量的实验表明,在最坏的情况下,该实现可以达到96%以上的检测精度和90%以上的定位和分类准确率,只有76 KB的模型大小和大约44 ms的推理时间。比较分析还强调