EDAC:用于COVID-19检测的高效音频分类模型部署
声音
2023-09-12 v1 机器学习
音频与语音处理
摘要
COVID-19的全球蔓延对公共卫生和世界经济造成了严重后果。疫情的迅速暴发凸显了廉价且可部署的预筛查方法在监测人群中疾病流行方面的潜在益处。诸多研究者利用机器学习方法尝试检测COVID-19。这些方案利用各类输入特征,如CT扫描或咳嗽音频信号,其中最先进的结果来自深度神经网络架构。然而,较大模型需要更多计算资源;在边缘部署时这是一项关键考量。为此,我们首先复现了两种利用咳嗽音频记录检测COVID-19的模型。通过应用网络剪枝与量化,我们能够在未降低模型预测性能的前提下压缩这两种架构。具体而言,我们实现了压缩模型文件大小分别减少 105.76倍 与 19.34倍,且两模型推理时间相应减少 1.37倍 与 1.71倍。
引用
@article{arxiv.2309.05357,
title = {EDAC: Efficient Deployment of Audio Classification Models For COVID-19 Detection},
author = {Andrej Jovanović and Mario Mihaly and Lennon Donaldson},
journal= {arXiv preprint arXiv:2309.05357},
year = {2023}
}