面向视觉位置识别的高效二值神经网络
计算机视觉与模式识别
2022-11-16 v1 机器学习
摘要
视觉位置识别(VPR)是自主导航的一项基础任务，因为当检测到已知位置时，它能使机器人在工作空间中定位自身。尽管准确性是VPR技术的基本要求，但计算与能效对于实际应用同样重要。基于CNN的技术取得了最先进的VPR性能，但计算密集且能耗高。二值神经网络(BNN)近期被提出以高效解决VPR问题。尽管典型的BNN比CNN高效一个数量级，但其处理时间和能耗仍可进一步改善。在典型BNN中，为了准确性，第一层卷积并未完全二值化。因此，第一层是最慢的网络阶段，占据了整个计算工作的很大份额。本文提出一类用于VPR的BNN，其结合深度可分离分解与二值化来替换第一卷积层，以提升计算与能效。我们的最佳模型取得了最先进的VPR性能，同时比使用非二值卷积作为第一阶段的BNN处理一幅图像所花费的时间和能耗显著更少。
引用
@article{arxiv.2202.12375,
title = {Highly-Efficient Binary Neural Networks for Visual Place Recognition},
author = {Bruno Ferrarini and Michael Milford and Klaus D. McDonald-Maier and Shoaib Ehsan},
journal= {arXiv preprint arXiv:2202.12375},
year = {2022}
}
备注
8 pages, 10 figures, 2 tables