基于知识蒸馏的边缘端生成对抗超分辨率
图像与视频处理
2023-05-10 v2 人工智能
计算机视觉与模式识别
机器学习
机器人学
摘要
单图像超分辨率可支持需要可靠视觉流以监控任务、处理遥操作或研究相关视觉细节的机器人任务。在本工作中，我们提出一种用于实时超分辨率的高效生成对抗网络模型，称为EdgeSRGAN（代码见 https://github.com/PIC4SeR/EdgeSRGAN）。我们采用原始SRGAN的定制架构和模型量化来提升在CPU和Edge TPU设备上的执行速度，实现高达200 fps的推理。我们通过将模型知识蒸馏至更小版本的网络来进一步优化模型，并获得相比标准训练方法的显著改进。我们的实验表明，与更重的state-of-the-art模型相比，我们快速且轻量的模型保持了相当令人满意的图像质量。最后，我们在带宽退化的图像传输上进行了实验，以凸显所提系统用于移动机器人应用的优势。
引用
@article{arxiv.2209.03355,
title = {Generative Adversarial Super-Resolution at the Edge with Knowledge Distillation},
author = {Simone Angarano and Francesco Salvetti and Mauro Martini and Marcello Chiaberge},
journal= {arXiv preprint arXiv:2209.03355},
year = {2023}
}