NU-LiteNet：基于卷积神经网络的移动端地标识别
计算机视觉与模式识别
2018-10-03 v1
摘要
高性能移动设备的增长导致了更多关于设备端图像识别的研究。其研究问题在于自动识别的延迟与准确率，这仍是其实用化的障碍。尽管近期开发的深度神经网络能达到可与人类用户媲美的准确率，其中部分仍缺乏所需的低延迟。本文描述了一种新的卷积神经网络模型 NU-LiteNet 的架构开发。为此，基于 SqueezeNet 进行开发以将模型大小缩减至适合智能手机的程度。因此 NU-LiteNet 的模型大小比 SqueezeNet 小 2.6 倍。在两个标准地标数据库上进行实验时，NU-LiteNet 的识别准确率也优于其他近期开发的深度神经网络。
引用
@article{arxiv.1810.01074,
title = {NU-LiteNet: Mobile Landmark Recognition using Convolutional Neural Networks},
author = {Chakkrit Termritthikun and Surachet Kanprachar and Paisarn Muneesawang},
journal= {arXiv preprint arXiv:1810.01074},
year = {2018}
}
备注
6 pages, 7 figures, this paper presented to NVIDIA's GPU Technology Conference (GTC 2017), San Jose McEnery Convention Center, San Jose, CA