Euphrates：面向低功耗移动端连续视觉的算法与片上系统协同设计
计算机视觉与模式识别
2018-04-02 v1
摘要
连续计算机视觉（CV）任务越来越依赖卷积神经网络（CNN）。然而，CNN 的巨大计算需求远超移动设备的性能和能耗限制。本文提出并开发了一个算法与架构协同设计的系统——Euphrates，旨在同时提升连续视觉任务的能效和性能。我们的核心观察是，连续帧之间像素数据的变化代表了视觉运动。我们首先提出一种算法，利用该运动信息来减少连续视觉应用所需的高成本 CNN 推理次数。我们协同设计了一种移动端片上系统（SoC）架构，以最大化新算法的效率。架构增强的关键在于协同优化视觉流水线中不同的 SoC IP 模块。具体而言，我们提出将视觉流水线早期由图像信号处理器（ISP）自然产生的运动数据直接提供给 CNN 引擎。测量与综合结果表明，Euphrates 实现了高达 66% 的 SoC 级能耗节省（视觉计算部分节省 4 倍），而精度损失仅为 1%。
引用
@article{arxiv.1803.11232,
title = {Euphrates: Algorithm-SoC Co-Design for Low-Power Mobile Continuous Vision},
author = {Yuhao Zhu and Anand Samajdar and Matthew Mattina and Paul Whatmough},
journal= {arXiv preprint arXiv:1803.11232},
year = {2018}
}