代表性深度神经网络架构的基准分析
计算机视觉与模式识别
2023-09-15 v2
摘要
本工作对当前最先进文献中提出的绝大多数用于图像识别的深度神经网络（DNNs）进行了深入分析。对每种 DNN 观测了多个性能指标，如识别准确率、模型复杂度、计算复杂度、内存占用与推理时间。我们分析并讨论了这些性能指标及其若干组合的行为。为度量这些指标，我们在两种不同计算机架构上实验了 DNN 的使用：一台配备 NVIDIA Titan X Pascal 的工作站，以及一块基于 NVIDIA Jetson TX1 板的嵌入式系统。该实验使得在算力差异极大的机器上运行的 DNN 之间得以直接比较。本研究有助于研究者全面把握迄今已探索的解决方案及未来值得探索的研究方向；也有助于实践者选择更契合实际部署与应用资源约束的 DNN 架构。为完整本工作，所有 DNN 及用于分析的软件均在线提供。
引用
@article{arxiv.1810.00736,
title = {Benchmark Analysis of Representative Deep Neural Network Architectures},
author = {Simone Bianco and Remi Cadene and Luigi Celona and Paolo Napoletano},
journal= {arXiv preprint arXiv:1810.00736},
year = {2023}
}
备注
Will appear in IEEE Access