探索用于嵌入式计算系统的CNN硬件友好型瓶颈架构
计算机视觉与模式识别
2024-03-12 v1
摘要
在本文中，我们探讨如何为嵌入式计算系统设计轻量级CNN架构。我们针对基于ZYNQ的硬件平台提出了L-Mobilenet模型。L-Mobilenet能很好地适应硬件计算与加速，其网络结构受Inception-ResnetV1和MobilenetV2的先进工作启发，能在保持推理精度的同时有效减少参数和延迟。我们将L-Mobilenet模型部署到ZYNQ嵌入式平台，以全面评估我们设计的性能。在cifar10和cifar100数据集上的测量表明，L-Mobilenet模型在保持相似精度的同时，速度提升了3倍，参数比MobileNetV2减少了3.7倍。在保持相同精度的同时，速度比ShufflenetV2提升了2倍，参数减少了1.5倍。实验表明，由于在L-Mobilenet瓶颈架构中对硬件加速和软硬件协同设计策略的特殊考量，我们的网络模型能获得更好的性能。
引用
@article{arxiv.2403.06352,
title = {Exploring Hardware Friendly Bottleneck Architecture in CNN for Embedded Computing Systems},
author = {Xing Lei and Longjun Liu and Zhiheng Zhou and Hongbin Sun and Nanning Zheng},
journal= {arXiv preprint arXiv:2403.06352},
year = {2024}
}