面向有限资源深度学习的数据与计算高效设计
机器学习
2020-07-09 v2 图像与视频处理
机器学习
摘要
得益于其提高的数据效率，等变神经网络在深度学习社区中引起了越来越多的关注。它们已成功应用于医学领域，在该领域中，数据中的对称性可以被有效利用以构建更准确和鲁棒的模型。为了能够覆盖更广泛的患者群体，已针对医疗应用开发了深度学习解决方案的移动端、设备上实现。然而，等变模型通常使用大型且计算昂贵的架构来实现，不适合在移动设备上运行。在本工作中，我们设计并测试了 MobileNetV2 的等变版本，并通过模型量化进一步优化它，以实现更高效的推理。我们在 Patch Camelyon (PCam) 医学数据集上取得了接近 SOTA 的性能，同时具有更高的计算效率。
关键词
引用
@article{arxiv.2004.09691,
title = {A Data and Compute Efficient Design for Limited-Resources Deep Learning},
author = {Mirgahney Mohamed and Gabriele Cesa and Taco S. Cohen and Max Welling},
journal= {arXiv preprint arXiv:2004.09691},
year = {2020}
}
备注
Accepted for poster presentation at the Practical Machine Learning for Developing Countries (PML4DC) workshop, ICLR 2020