任意时刻的 You Only Look Once 目标检测 (AnytimeYOLO)：早期退出的分析与优化
计算机视觉与模式识别
2025-03-25 v1 机器学习
摘要
我们提出 AnytimeYOLO，这是一组 YOLO 架构变体，支持任意时刻目标检测。Our AnytimeYOLO 网络允许可中断推理，即在任何时间点都提供预测，这是面向安全关键实时应用的理想属性。我们进行结构化探索以修改 YOLO 架构，实现早期终止以获取中间结果。我们专注于通过高粒度的可用终止点提供细粒度控制。首先，我们将 Anytime 模型形式化为一种提供任意预测的预测模型的特殊类。随后，我们讨论了一种新型的转置 YOLO 架构，该架构改变架构以实现更好的早期预测和更大的处理阶段顺序自由度。最后，我们提出两种优化算法，可用于确定给定 anytime 模型的最优退出执行顺序以及为部署在低资源环境中选择的最优早期退出子集。我们评估了 anytime 性能和设计选择之间的权衡，提出了一种新的 anytime 质量指标以便于此目的。特别是，我们也讨论了当前使 its 部署成本高昂的任意推理关键挑战。
引用
@article{arxiv.2503.17497,
title = {You Only Look Once at Anytime (AnytimeYOLO): Analysis and Optimization of Early-Exits for Object-Detection},
author = {Daniel Kuhse and Harun Teper and Sebastian Buschjäger and Chien-Yao Wang and Jian-Jia Chen},
journal= {arXiv preprint arXiv:2503.17497},
year = {2025}
}