基于深度神经网络的高效视觉识别：近期进展与新方向综述
计算机视觉与模式识别
2022-08-24 v2
摘要
视觉识别目前是计算机视觉、模式识别乃至人工智能一般领域中最重要和活跃的研究领域之一。它具有重大的基础重要性和强烈的工业需求。深度神经网络（DNNs）借助大量训练数据和新型强大计算资源，已在许多具体任务上大幅提升了其性能。尽管识别准确率通常是新进展的首要关注点，但效率实际上相当重要，且有时对学术研究和工业应用都至关重要。此外，整个领域对效率的机遇与挑战的深刻见解也高度需要。虽然已从多种视角对 DNNs 效率问题做了一般性综述，但据我们所知，几乎没有任何综述系统地聚焦于视觉识别，因此哪些进展适用于它以及还应关注什么都不清楚。在本文中，我们综述近期进展，并就提升 DNN 相关视觉识别方法效率的新可能方向提出建议。我们不仅从模型而且从数据点视角（现有综述并非如此）进行探究，并聚焦于三种最受研究的数据类型（图像、视频和点）。本文试图通过全面综述提供系统性总结，可作为宝贵参考并启发从事视觉识别问题的研究者和从业者。
引用
@article{arxiv.2108.13055,
title = {Efficient Visual Recognition with Deep Neural Networks: A Survey on Recent Advances and New Directions},
author = {Yang Wu and Dingheng Wang and Xiaotong Lu and Fan Yang and Guoqi Li and Weisheng Dong and Jianbo Shi},
journal= {arXiv preprint arXiv:2108.13055},
year = {2022}
}