QIANets：面向CNN模型降低延迟与提升推理时间的量子集成自适应网络
计算机视觉与模式识别
2024-11-21 v2 机器学习
摘要
卷积神经网络（CNNs）在计算机视觉任务中取得了显著进展，但其高推理时间和延迟常常限制其实际应用。虽然模型压缩技术日益受到关注，但常常忽视了在降低延迟与保持准确性之间之间的关键平衡。通过运用量子启发的剪枝、张量分解和 Annealing-based矩阵分解——三种量子启发概念——我们引入QIANets：一种重新设计传统GoogLeNet、DenseNet和ResNet-18模型架构的新方法，以在保持低推理时间的同时处理更多参数和计算。尽管存在实验局限性，该方法经过测试和评估，显示出推理时间的降低，以及有效的准确性保持。
引用
@article{arxiv.2410.10318,
title = {QIANets: Quantum-Integrated Adaptive Networks for Reduced Latency and Improved Inference Times in CNN Models},
author = {Zhumazhan Balapanov and Vanessa Matvei and Olivia Holmberg and Edward Magongo and Jonathan Pei and Kevin Zhu},
journal= {arXiv preprint arXiv:2410.10318},
year = {2024}
}
备注
Accepted to NeurIPS 2024 workshop on Neural Compression