局部二值模式网络
计算机视觉与模式识别
2018-03-23 v2
摘要
内存和计算高效的深度学习架构对于将机器学习能力持续扩展到新平台和系统至关重要。卷积神经网络中操作的二值化在减小模型尺寸和提高计算效率方面显示出了可喜的成果。在本文中,我们采用与现有文献不同的策略来解决该问题,提出了局部二值模式网络或 LBPNet,它能够以端到端的方式学习和执行二值操作。LBPNet1 使用局部二值比较和随机投影来代替传统的卷积(或卷积近似)操作。这些操作可以在不同平台上高效实现,包括直接硬件实现。我们将 LBPNet 及其变体应用于标准基准测试。结果在各项基准测试中均表现出色,同时提供了提高内存和速度效率的重要手段,特别适合于小占用面积设备和硬件加速器。
引用
@article{arxiv.1803.07125,
title = {Local Binary Pattern Networks},
author = {Jeng-Hau Lin and Yunfan Yang and Rajesh Gupta and Zhuowen Tu},
journal= {arXiv preprint arXiv:1803.07125},
year = {2018}
}
备注
14 pages, 10 figures, 6 tables