主旨演讲：小神经网络之美——以小型深度神经网络架构赋能嵌入式系统
计算机视觉与模式识别
2017-10-10 v1
摘要
过去五年，深度神经网络为语音识别和计算机视觉中的许多问题提供了更精确的解决方案，这些方案已超越了许多应用的可接受阈值。因此，深度神经网络已取代了解决这些领域问题的其他方法，并催生了许多新应用。虽然深度神经网络的设计仍带有某种艺术性，但在我们的工作中，我们发现用于开发嵌入式微处理器架构的设计空间探索基本原则高度适用于深度神经网络架构的设计。特别是，我们利用这些设计原则创建了一种名为 SqueezeNet 的新型深度神经网络，其模型参数仅需 480KB 的存储空间。我们进一步整合所有这些经验，为创建面向嵌入式系统的小型深度神经网络开发了一套参考指南。
引用
@article{arxiv.1710.02759,
title = {Keynote: Small Neural Nets Are Beautiful: Enabling Embedded Systems with Small Deep-Neural-Network Architectures},
author = {Forrest Iandola and Kurt Keutzer},
journal= {arXiv preprint arXiv:1710.02759},
year = {2017}
}
备注
Keynote at Embedded Systems Week (ESWEEK) 2017