珍惜已有之物：利用深度神经网络相似性实现高效视频处理
计算机视觉与模式识别
2023-05-12 v1
摘要
深度学习已赋能多种物联网（IoT）应用。然而，设计兼具高精度与计算效率的模型仍是一项重大挑战，尤其在实时视频处理应用中。此类应用表现出较高的帧间与帧内冗余，尚有进一步改进空间。本文提出一种相似性感知训练方法，利用视频帧中的数据冗余实现高效处理。我们的方法引入逐层正则化，通过在训练中增加权重的相似性来提升计算复用。我们在车道检测与场景解析两个关键实时应用上验证了该方法。我们观察到不同模型在保持相同精度下获得约50%的平均压缩比与\sim 1.5x的加速。
引用
@article{arxiv.2305.06492,
title = {Treasure What You Have: Exploiting Similarity in Deep Neural Networks for Efficient Video Processing},
author = {Hadjer Benmeziane and Halima Bouzidi and Hamza Ouarnoughi and Ozcan Ozturk and Smail Niar},
journal= {arXiv preprint arXiv:2305.06492},
year = {2023}
}
备注
Submitted to IEEE Micro