SkyNet：DAC-SDC 低功耗目标检测冠军模型
计算机视觉与模式识别
2019-07-10 v2
摘要
在边缘开发人工智能（AI）始终具有挑战性，因为边缘设备计算能力和内存资源有限，却需要满足实时处理、高吞吐性能和高推理精度等严苛要求。为克服这些挑战，我们提出 SkyNet，一个采用自底向上 DNN 设计方法、具有 12 个卷积（Conv）层且参数仅 1.82 兆字节（MB）的极轻量深度神经网络（DNN）。SkyNet 在第 56 届 IEEE/ACM 设计自动化会议系统设计竞赛（DAC-SDC）——一项针对无人机（UAV）所摄图像的低功耗目标检测挑战赛中得到验证。SkyNet 在竞赛的 GPU 和 FPGA 双赛道均获一等奖：我们在 TX2 GPU 上达到 0.731 交并比（IoU）和 67.33 帧每秒（FPS），在 Ultra96 FPGA 上达到 0.716 IoU 和 25.05 FPS。
引用
@article{arxiv.1906.10327,
title = {SkyNet: A Champion Model for DAC-SDC on Low Power Object Detection},
author = {Xiaofan Zhang and Cong Hao and Haoming Lu and Jiachen Li and Yuhong Li and Yuchen Fan and Kyle Rupnow and Jinjun Xiong and Thomas Huang and Honghui Shi and Wen-mei Hwu and Deming Chen},
journal= {arXiv preprint arXiv:1906.10327},
year = {2019}
}