卷积神经网络中分辨率的特征刻画与调控
计算机视觉与模式识别
2021-10-29 v1 机器学习
摘要
图像分辨率对计算机视觉模型推理的精度以及计算、存储和带宽成本有显著影响。当将模型扩展到大型推理服务系统时，这些成本会加剧，并使图像分辨率成为一个有吸引力的优化目标。然而，分辨率的选择本质上引入了额外紧密耦合的选择，例如图像裁剪尺寸、图像细节和计算核实现，这些都会影响计算、存储和带宽成本。使该情形进一步复杂的是，从这些指标角度看的最优选择高度依赖于数据集和问题场景。我们刻画了这一权衡空间，通过系统且自动地调节图像分辨率、图像质量和卷积神经网络算子，定量研究了精度与效率的权衡。基于本研究的见解，我们提出了一种动态分辨率机制，消除了事先静态选择分辨率的需要。
引用
@article{arxiv.2110.14819,
title = {Characterizing and Taming Resolution in Convolutional Neural Networks},
author = {Eddie Yan and Liang Luo and Luis Ceze},
journal= {arXiv preprint arXiv:2110.14819},
year = {2021}
}