ImageSig：一种用于超轻量级图像识别的签名变换
计算机视觉与模式识别
2022-05-17 v1 人工智能
摘要
本文介绍了一种用于图像识别的新型轻量级方法。ImageSig 基于计算签名，不需要卷积结构或基于注意力的编码器。令作者惊讶的是，它实现了：a) 对 64×64 RGB 图像的准确率超过许多最先进方法，同时 b) 所需的 FLOPS、功耗和内存占用小几个数量级。预训练模型大小可小至 44.2 KB。ImageSig 在 Raspberry Pi 和 Jetson-nano 等硬件上展现出前所未有的性能。ImageSig 将图像视为具有多通道的流，这些流由空间方向参数化。我们为签名与粗糙路径理论在类流数据及静态图像视觉任务（超越时间流）上的功能作出贡献。凭借极少的参数与小尺寸模型，关键优势在于可将许多此类“检测器”集成于同一芯片上；此外，特征获取可一次性完成并在不同任务的不同模型间共享——进一步加速过程。这有助于能效提升与边缘嵌入式 AI 的发展。
引用
@article{arxiv.2205.06929,
title = {ImageSig: A signature transform for ultra-lightweight image recognition},
author = {Mohamed R. Ibrahim and Terry Lyons},
journal= {arXiv preprint arXiv:2205.06929},
year = {2022}
}