CReaM：基于卷积神经网络的深度预测浓缩实时模型
计算机视觉与模式识别
2018-07-25 v1
摘要
自 CNN 复兴以来，机器人视觉社区已开发出一系列利用神经网络进行分类、语义分割与结构预测（深度、法线、表面曲率）的算法。尽管其中部分模型取得了最先进结果并达到超人类水平性能，将这些模型部署于时间关键的机器人环境仍是一项持续挑战。实时框架对构建人机无缝融合的机器人社会至关重要。为此，我们提出了一种新颖的实时结构预测框架，在 NVIDIA-TX2 上以 30fps 预测深度。在撰写本文时，这是首篇在移动平台上展示该能力的作品。我们还通过大量实验证明，可利用具有极大模型容量的神经网络，以“从教师到学生”风格的知识迁移来训练精确的浓缩模型架构。
引用
@article{arxiv.1807.08931,
title = {CReaM: Condensed Real-time Models for Depth Prediction using Convolutional Neural Networks},
author = {Andrew Spek and Thanuja Dharmasiri and Tom Drummond},
journal= {arXiv preprint arXiv:1807.08931},
year = {2018}
}