LB-CNN：一种基于Chainer与Cupy快速训练轻量二值卷积神经网络的开源框架
机器学习
2021-06-30 v1 计算机视觉与模式识别
图像与视频处理
摘要
轻量二值卷积神经网络（LB-CNN）在许多工业应用所需的低能耗计算平台上实现时尤为有用。本文引入一种用于优化紧凑型LB-CNN的框架并评估其有效性。该框架免费可用，且可运行于免费访问的云平台，因此无需重大投入。优化后的模型以标准化.h5格式保存，并可作为专用工具的输入以进一步部署至特定技术中，从而实现各类智能图像传感器的快速开发。加速模型优化（尤其是二值卷积核的选择）的主要要素是Chainer/Cupy机器学习库，其为将输出层作为极端学习机进行训练提供了显著加速。还包括使用Keras/Tensorflow对输出层的额外训练，因其可提升精度。在MNIST、GTSRB、ORL、VGG等广泛使用数据集上的结果展现出精度与复杂度间非常好的折中。特别地，对于人脸识别问题，精心优化的LB-CNN模型可提供高达100%的准确率。此类TinyML解决方案非常适用于需要低能耗图像识别的工业应用。
引用
@article{arxiv.2106.15350,
title = {LB-CNN: An Open Source Framework for Fast Training of Light Binary Convolutional Neural Networks using Chainer and Cupy},
author = {Radu Dogaru and Ioana Dogaru},
journal= {arXiv preprint arXiv:2106.15350},
year = {2021}
}
备注
6 pages, includes reference to code (Jupyter - Python notebook)