高能效哈达玛神经网络
计算机视觉与模式识别
2018-05-16 v1
摘要
近年来，深度学习在许多图像处理任务上取得了显著进展，如图像分类、目标识别与目标检测。卷积神经网络（CNN）是一种流行的深度学习架构，设计用于处理多阵列形式的数据，其在几乎所有检测与识别问题以及计算机视觉任务上都表现出巨大成功。然而，CNN 中的参数数量过高，导致计算机需要更多能量与更大内存。为解决此问题，我们提出了一种新型高能效模型——二值权重与哈达玛变换图像网络（BWHIN），它是二值权重网络（BWN）与哈达玛变换图像网络（HIN）的结合。观察到在分类精度略有牺牲的情况下实现了能效提升。在所有高能效网络中，我们的新型集成模型优于其他高能效模型。
引用
@article{arxiv.1805.05421,
title = {Energy Efficient Hadamard Neural Networks},
author = {T. Ceren Deveci and Serdar Cakir and A. Enis Cetin},
journal= {arXiv preprint arXiv:1805.05421},
year = {2018}
}
备注
15 pages, 3 figures