我正在从事一个涉及嵌入式硬件实时图像识别的项目，我正在使用深度学习模型来实现这一目标。但是，我遇到了模型的性能问题，它无法实时识别图像。
我已经尝试通过降低复杂度并使用修剪和量化等技术来优化模型，但我仍然没有获得理想的性能。
我可以使用哪些高级优化技术来提高我的深度学习模型在嵌入式硬件上的性能？我应该为这项任务使用任何专门的框架或库吗？
我有深度学习和嵌入式系统方面的经验，但我正在寻找有关如何专门针对嵌入式硬件上的实时图像识别优化模型的指导。
任何意见或建议将不胜感激！
在我尝试优化模型时，我首先尝试通过删除不必要的层并减少每层中的过滤器数量来降低其复杂性。我还使用剪枝和量化等技术来减少模型中的参数数量。
然而，即使经过这些优化，该模型仍然无法在嵌入式硬件上实时识别图像。我原以为这些技术会显着提高模型在嵌入式硬件上的性能，但事实并非如此。
因此，我正在寻找可以帮助我在嵌入式硬件上实现实时图像识别的高级优化技术的指导。