LiCo-Net：面向硬件高效关键词识别的线性化卷积网络
机器学习
2022-11-10 v1 人工智能
音频与语音处理
摘要
本文提出了一种面向关键词识别的硬件高效架构——线性化卷积网络（LiCo-Net）。该架构专为微控制器等低功耗处理器单元优化。机器学习算子在高能效硬件上表现出异构的效率特性。在理论计算成本完全相同的情况下，int8 算子比浮点算子更具计算效率，而线性层通常比其他层更高效。所提出的 LiCo-Net 是一个双阶段系统，在推理阶段使用高效的 int8 线性算子，并在训练阶段应用流式卷积以保持高模型容量。实验结果表明，LiCo-Net 在硬件效率上优于单值分解滤波器（SVDF），同时检测性能相当。与 SVDF 相比，LiCo-Net 在 HiFi4 DSP 上减少了 40% 的周期数。
引用
@article{arxiv.2211.04635,
title = {LiCo-Net: Linearized Convolution Network for Hardware-efficient Keyword Spotting},
author = {Haichuan Yang and Zhaojun Yang and Li Wan and Biqiao Zhang and Yangyang Shi and Yiteng Huang and Ivaylo Enchev and Limin Tang and Raziel Alvarez and Ming Sun and Xin Lei and Raghuraman Krishnamoorthi and Vikas Chandra},
journal= {arXiv preprint arXiv:2211.04635},
year = {2022}
}