基于本征正交分解的单次多盒检测器网络参数约简方法
计算机视觉与模式识别
2024-01-22 v1 机器学习
数值分析
数值分析
摘要
作为人工智能和深度学习的重大突破，卷积神经网络在包括计算机视觉和图像处理在内的多个领域解决诸多问题时取得了令人瞩目的成功。实时性能、算法的鲁棒性以及快速训练过程在这些背景下仍是开放问题。此外，目标识别与检测对于工业领域常用的资源受限嵌入式系统而言是颇具挑战的任务。为克服这些问题，我们提出了一种基于本征正交分解（一种经典的模型降阶技术）的维数约简框架，以减少网络超参数的数量。我们将该框架应用于SSD300架构，使用PASCAL VOC数据集，展示了在网络维度上的缩减以及在迁移学习背景下网络微调的显著加速。
引用
@article{arxiv.2207.13551,
title = {A Proper Orthogonal Decomposition approach for parameters reduction of Single Shot Detector networks},
author = {Laura Meneghetti and Nicola Demo and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2207.13551},
year = {2024}
}