生成式零样本网络量化
计算机视觉与模式识别
2021-01-22 v1 人工智能
摘要
卷积神经网络能够在底层图像生成与复原中从大量训练样本学习真实的图像先验。我们表明，对于高层图像识别任务，即便无任何训练数据，也可利用固有的批归一化（BN）统计量进一步重建各类别的“真实”图像。受流行的 VAE/GAN 方法启发，我们将合成图像的零样本优化过程视为匹配 BN 统计量分布的生成式建模。所生成的图像用作后续零样本网络量化的校准集。我们的方法满足了基于敏感信息（如因隐私顾虑而无数据可用）量化模型的需求。在基准数据集上的大量实验表明，借助生成数据，我们的方法持续优于现有的无数据量化方法。
引用
@article{arxiv.2101.08430,
title = {Generative Zero-shot Network Quantization},
author = {Xiangyu He and Qinghao Hu and Peisong Wang and Jian Cheng},
journal= {arXiv preprint arXiv:2101.08430},
year = {2021}
}
备注
Technical report