面向协作智能应用的深度特征压缩方法

作     者：舒睿俊 赵生捷 SHU Ruijun;ZHAO Shengjie

作者机构：同济大学电子与信息工程学院上海201804 中国科学院上海微系统与信息技术研究所仿生视觉系统实验室上海200050 

基　　金：上海市市级重大科技专项(2018SHZDZX01) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2024年第32卷第4期

页      码：22-26页

摘      要：协作智能是一种实现深度神经网络(Deep Neural Network,DNN)分布式部署的新范式,广泛适用于物联网系统视觉场景感知应用。在该范式中,DNN模型被划分为边缘子模型和云端子模型两部分,分别部署在移动边缘设备和云服务器上,由两者协作完成推理任务。协作推理过程中需要对边缘子模型生成的深度特征进行压缩,通过无线信道传输给云端子模型,以降低传输延迟和传输能耗。为了提高深度特征的压缩率,提出了一种基于轻量级卷积神经网络的深度特征压缩方法(LCFC)。该方法设计了一种简单高效的深度特征压缩器,它利用轻量级卷积神经网络和均匀量化器对深度特征进行通道维度压缩、空间维度压缩和量化,能显著提升深度特征的压缩率,减少用于传输深度特征所需的比特数。所提出的方法在CIFAR-100图像分类任务上进行了充分实验,实验结果表明,在保证推理精度退化小于1%的情况下,与基线方法相比,该方法将深度特征压缩率最高提升了31.5%。

主 题 词：协作智能 深度特征压缩 深度神经网络 卷积神经网络 机器视觉 

学科分类：0809[工学-计算机类] 08[工学] 

D　O　I：10.14022/j.issn1674-6236.2024.04.005

馆 藏 号：203125868...