迈向更高效且有效的推理：多参与者的联合决策
计算机视觉与模式识别
2020-01-22 v1
摘要
现有通过优化局部架构或加深网络来提升卷积神经网络性能的方法往往显著增加模型规模。为将神经网络部署并应用于需求巨大的边缘设备，缩减网络规模至关重要。然而，压缩网络易使图像处理性能下降。本文提出一种适用于边缘设备且能提升推理效率与效果的方法。多参与者（主要包括多层与多网络）的联合决策，可在经典卷积神经网络参数量总数相近的情况下达到更高的分类准确率（在 CIFAR-10 上最高 0.26%，在 CIFAR-100 上最高 4.49%）。
引用
@article{arxiv.2001.06774,
title = {Towards More Efficient and Effective Inference: The Joint Decision of Multi-Participants},
author = {Hui Zhu and Zhulin An and Kaiqiang Xu and Xiaolong Hu and Yongjun Xu},
journal= {arXiv preprint arXiv:2001.06774},
year = {2020}
}