基于低秩张量补全的容错协同智能
图像与视频处理
2021-05-24 v1 计算机视觉与模式识别
机器学习
摘要
在将人工智能(AI)推向边缘设备的竞争中,协同智能已成为减轻运行基于深度神经网络(DNN)应用的边缘设备计算负载的一种有前景的方式。通常,深度模型在某层被拆分为边缘子模型与云子模型。由边缘子模型生成的深度特征张量被传输至云端,其余计算密集的工作负载由云子模型完成。边缘与云之间的通信信道是不完美的,这将导致云端接收到的深度特征张量中出现数据缺失。在本研究中,我们考察了四种低秩张量补全方法在恢复深度特征张量缺失数据方面的有效性。我们同时考虑稀疏张量(如 VGG16 模型生成的张量)与非稀疏张量(如 ResNet34 模型生成的张量)。我们在复杂度受限与不受限两种场景下研究了张量补全的有效性。
引用
@article{arxiv.2105.10341,
title = {Error Resilient Collaborative Intelligence via Low-Rank Tensor Completion},
author = {Lior Bragilevsky and Ivan V. Bajić},
journal= {arXiv preprint arXiv:2105.10341},
year = {2021}
}
备注
2 pages, 1 figure, extended abstract for a poster at IEEE Communication Theory Workshop (CTW) 2020 (moved to 2021)