ZSpeedL——使用低功耗设备评估零样本学习方法的性能
计算机视觉与模式识别
2021-10-12 v1
摘要
从语义表示或文本描述中识别未见过的物体，通常称为零样本学习（ZSL），相较于传统物体识别更易于应用于真实场景。然而，尚无工作评估在这些场景中部署零样本学习方法的可行性，尤其是在使用低功耗设备时。本文首次提供了关于零样本学习推理时间的基准，包含对最先进方法在速度/精度权衡方面的评估。对 ZSL 推理阶段不同处理时间的分析表明，视觉特征提取是该范式的主要瓶颈，但我们展示轻量网络可在不降低事实标准 ResNet101 架构所得精度的情况下大幅减少总体推理时间。此外，该基准评估了不同 ZSL 方法在低功耗设备上的表现，以及视觉特征提取阶段如何在此类硬件上优化。为促进能够运行于真实场景的 ZSL 系统的研究与部署，我们发布了本基准所用的评估框架（https://github.com/CristianoPatricio/zsl-methods）。
引用
@article{arxiv.2110.04535,
title = {ZSpeedL -- Evaluating the Performance of Zero-Shot Learning Methods using Low-Power Devices},
author = {Cristiano Patrício and João Neves},
journal= {arXiv preprint arXiv:2110.04535},
year = {2021}
}
备注
8 pages. Accepted at the 17th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), 2021