Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition
Contributo in Atti di convegno
Data di Pubblicazione:
2022
Citazione:
Bioformers: Embedding Transformers for Ultra-Low Power sEMG-based Gesture Recognition / Burrello, A., Morghet, F.B., Scherer, M., Benatti, S., Benini, L., Macii, E., Poncino, M., Pagliari, D.J.. - (2022), pp. 1443-1448. (2022 Design, Automation and Test in Europe Conference and Exhibition, DATE 2022 virtual 14 March 2022through 23 March 2022) [10.23919/DATE54114.2022.9774639].
Tipologia CRIS:
Relazione in Atti di Convegno
Keywords:
- Transformers; Deep Learning; Embedded Systems; Gesture Recognition; sEMG;
Elenco autori:
Burrello, A.; Morghet, F. B.; Scherer, M.; Benatti, S.; Benini, L.; Macii, E.; Poncino, M.; Pagliari, D. J.
Link alla scheda completa:
Titolo del libro:
Proceedings of the 2022 Design, Automation and Test in Europe Conference and Exhibition, DAT
Pubblicato in: