机器学习笔记 - ENet论文解读
2023-09-14 09:01:36 时间
一、概述
实时执行逐像素语义分割的能力在移动应用程序中至关重要。 最近针对此任务的深度神经网络的缺点是需要大量的浮点运算,并且运行时间长,这阻碍了它们的可用性。 在本文中,我们提出了一种名为 ENet(高效神经网络)的新型深度神经网络架构,专为需要低延迟操作的任务而创建。 ENet 的速度提高了 18 倍,所需的 FLOP 减少了 75 个,参数减少了 79 个,并且提供了与现有模型相似或更好的准确度。 我们已经在 CamVid、Cityscapes 和 SUN 数据集上对其进行了测试,并报告了与现有最先进方法的比较,以及网络准确性和处理时间之间的权衡。我们提出了在嵌入式系统上提出的架构的性能测量,并建议了可能使 ENet 更快的软件改进。
对可以在低功耗移动设备上实时运行的语义分割(或视觉场景理解)算法产生了强烈的需求。这些算法用对象类别之一标记图像中的每个像素。近年来,更大数据集和计算能力强大的机器的可用性帮助深度卷积神经网络 (CNN) 超越了许多传统计算机视觉算法的性能。 尽管 CNN 在分类和分类任务中越来越成功,但它们在应用于图像的像素标记时提供了粗略的空间结果。 因此,它们通常与其他算法级联以优化结果,例如基于颜色的分割或条件随机场等。
为了对图像进行空间分类和精细分割,已经提出了几种神经网络架构,例如 SegNet或全卷积网络。 所有这些工作都基于VGG16架构,这是一个为多类分类而设计的非常大的模型。这些参考文献提出了具有大量参数和较长推理时间的网络。在这些条件下,它们无法用于许多需要以高于 10 fps 的速率处理图像的移动或电池供电应用。
相关文章
- 【2022新书】药物开发中的数据科学、人工智能和机器学习
- lasso回归matlab,机器学习Lasso回归重要论文和Matlab代码「建议收藏」
- 机器视觉相机详解
- 论文阅读:《基于机器学习的企业定价算法研究》
- 有了这个机器学习画图神器,论文、博客都可以事半功倍了!
- 人工智能基础:机器学习常见的算法介绍
- 集群机器搭建多节点MPI运行环境「建议收藏」
- Nat Biotechnol|机器学习驱动“无假设”药物靶点发现
- 学术科研无从下手?27 条机器学习避坑指南,让你的论文发表少走弯路
- 认真的吗?让机器狗当守门员,还发了篇论文
- [NC | 论文简读] devCellPy是一个机器学习支持的管道,用于自动注释复杂的多层单细胞转录组数据
- 中国 AI 市场格局(计算机视觉:商汤、旷视、海康)(语音语义:讯飞、阿里、百度)(机器学习平台:第四范式、华为、九章云极)
- 统计机器学习方法 for NLP:基于HMM的词性标注
- 2023-01-02:某天,小美在玩一款游戏,游戏开始时,有n台机器,每台机器都有一个能量水平,分别为a1、a2、…、an,小美
- 全面学习 ChatGPT,机器之心准备了 89 篇文章合集
- R语言机器学习实战之多项式回归|附代码数据
- 你想见的机器学习专家全在这儿,MIFS 2016 机器智能前沿论坛
- 预告:关于机器学习与大数据风控,你需要知道这些 | 硬创公开课
- 机器学习Linux带来的机器学习新机遇(linux linux)
- 探索Redis连接机器的奥秘(查看redis的连接机器)
- 用单台机器提升 Redis 性能的窍门(单台机器redis性能)
- 机器Redis集群实现最少需要3台机器(redis集群可以搭几台)
- 一步步实现Redis主从式部署配置(redis配置主从机器)
- ICRA的4篇机器视觉论文大盘点 | ICRA 2017