面向视觉质量应用的架构感知网络剪枝
图像与视频处理
2019-08-07 v1 计算机视觉与模式识别
机器学习
摘要
卷积神经网络（CNN）在计算机视觉和机器学习领域取得了令人瞩目的成就。然而，由于图像分辨率大，CNN 带来了较高的计算复杂度，尤其是对于视觉质量应用。在本文中，我们提出了一种迭代式架构感知剪枝算法，其采用自适应幅值阈值，同时与质量度量测量相协同。我们展示了应用于视觉质量应用的性能提升，并提供了具有灵活剪枝配置的全面分析。采用所提方法，最先进的低光成像（SID）和超分辨率（EDSR）的乘加运算（MAC）分别降低了 58% 和 37% 且无质量下降。卷积层的存储器带宽（BW）需求也可降低 20% 至 40%。
引用
@article{arxiv.1908.02125,
title = {Architecture-aware Network Pruning for Vision Quality Applications},
author = {Wei-Ting Wang and Han-Lin Li and Wei-Shiang Lin and Cheng-Ming Chiang and Yi-Min Tsai},
journal= {arXiv preprint arXiv:1908.02125},
year = {2019}
}
备注
Accepted to be Published in the 26th IEEE International Conference on Image Processing (ICIP 2019). Updated to contain the IEEE copyright notice