环境声音分类在边缘设备上的实现：适用于极度资源受限设备的深度声学网络管道

为了解决在资源极度受限（内存、速度和缺乏GPU支持）的边缘设备上实现最先进的分类和识别问题，人们投入了大量努力。本文展示了首个用于声学识别的小型、灵活且易于压缩的深度网络，该网络在原始音频分类方面达到了最先进水平。我们没有设计一次性解决方案，而是提出了一种通用的流水线，可以自动通过压缩和量化将大型深度卷积神经网络转换为适用于资源匮乏边缘设备的网络。在介绍了ACDNet之后，该网络在ESC-10（96.65%）、ESC-50（87.10%）、UrbanSound8K（84.45%）和AudioEvent（92.57%）数据集上实现了超过最先进水平的准确性，我们详细描述了压缩流水线，并展示了其能够在保持接近最先进水平的准确性（分别为96.25%、83.65%、78.27%和89.69%）的同时，实现97.22%的体积减少和97.28%的浮点运算量减少。我们还描述了在标准商用微控制器上的成功实施，并报告了在实际数据集上的测试结果，而不仅仅是实验室基准测试。