Fugu-MT 論文翻訳(概要): Single-Training Collaborative Object Detectors Adaptive to Bandwidth and Computation

論文の概要: Single-Training Collaborative Object Detectors Adaptive to Bandwidth and Computation

arxiv url: http://arxiv.org/abs/2105.00591v1
Date: Mon, 3 May 2021 01:08:34 GMT
ステータス: 処理完了
システム内更新日: 2021-05-04 14:17:48.111529
Title: Single-Training Collaborative Object Detectors Adaptive to Bandwidth and Computation
Title（参考訳）: バンド幅・演算に適応した単発協調物体検出器
Authors: Juliano S. Assine, J. C. S. Santos Filho, Eduardo Valle
Abstract要約: 1組の重みで3重通信計算精度トレードオフを管理するオブジェクト検出のための最初のソリューションを提案する。我々のソリューションはCOCO-2017における最先端の結果を示し、ベースとなるEfficientDet-D2アーキテクチャにわずかなペナルティしか与えない。
参考スコア（独自算出の注目度）: 7.375613864999323
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the past few years, mobile deep-learning deployment progressed by leaps and bounds, but solutions still struggle to accommodate its severe and fluctuating operational restrictions, which include bandwidth, latency, computation, and energy. In this work, we help to bridge that gap, introducing the first configurable solution for object detection that manages the triple communication-computation-accuracy trade-off with a single set of weights. Our solution shows state-of-the-art results on COCO-2017, adding only a minor penalty on the base EfficientDet-D2 architecture. Our design is robust to the choice of base architecture and compressor and should adapt well for future architectures.
Abstract（参考訳）: 過去数年間、モバイルのディープラーニングデプロイメントは飛躍的に進歩したが、帯域幅、レイテンシ、計算、エネルギなど、厳格で変動する運用制限に対応するソリューションには、依然として苦戦している。本研究では,このギャップを埋める手助けをし,一組の重みで三重通信計算・精度トレードオフを管理するオブジェクト検出のための最初の構成可能なソリューションを導入する。我々のソリューションはCOCO-2017における最先端の結果を示し、ベースとなるEfficientDet-D2アーキテクチャにわずかなペナルティしか与えない。私たちの設計はベースアーキテクチャと圧縮機の選択に堅牢であり、将来のアーキテクチャにうまく適応するべきです。

関連論文リスト

FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
論文参考訳（メタデータ） (2024-10-16T16:13:19Z)
RTF-Q: Efficient Unsupervised Domain Adaptation with Retraining-free Quantization [14.447148108341688]
ReTraining-Free Quantization (RTF-Q) を用いた効率的な非教師なし領域適応法を提案する。提案手法では,計算コストの異なる低精度量子化アーキテクチャを用い,動的予算を持つデバイスに適用する。提案するネットワークは,3つのベンチマークにおける最先端手法との競合精度を実証する。
論文参考訳（メタデータ） (2024-08-11T11:53:29Z)
Resource Management for Low-latency Cooperative Fine-tuning of Foundation Models at the Network Edge [35.40849522296486]
大規模ファウンデーションモデル(FoMos)は、人間のような知性を実現することができる。 FoMosは微調整技術により、特定の下流タスクに適応する必要がある。デバイスエッジ協調微調整パラダイムにおける多デバイス連携を提唱する。
論文参考訳（メタデータ） (2024-07-13T12:47:14Z)
Efficient Transformer Encoders for Mask2Former-style models [57.54752243522298]
ECO-M2Fは、入力画像上に条件付きエンコーダ内の隠蔽層数を自己選択する戦略である。提案手法は、性能を維持しながら、予測エンコーダの計算コストを削減する。アーキテクチャ構成では柔軟性があり、セグメンテーションタスクを超えてオブジェクト検出まで拡張できる。
論文参考訳（メタデータ） (2024-04-23T17:26:34Z)
Digital Twin-Aided Learning for Managing Reconfigurable Intelligent Surface-Assisted, Uplink, User-Centric Cell-Free Systems [34.81029978058933]
本稿では、デジタルツイン(DT)の助けを借りて、新しい、再構成可能なインテリジェントサーフェス(RIS)支援、アップリンク、ユーザ中心のセルフリー(UCCF)システムを提案する。具体的には、アクセスポイントとユーザアソシエーション(AUA)、電力制御、RISビームフォーミングを共同で最適化することで、総和率を最大化する新しい学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-02-10T06:14:47Z)
An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文参考訳（メタデータ） (2022-01-09T09:31:50Z)
LIGAR: Lightweight General-purpose Action Recognition [0.0]
本稿では、上記の課題に対処するためのネットワークアーキテクチャとトレーニングパイプラインの設計に焦点を当てる。我々のアーキテクチャは、従来のアーキテクチャから最善を尽くし、外見に基づくアクション認識タスクだけでなく、モーションベースの問題でも成功する能力をもたらす。効率的なエッジ指向推論のために、訓練されたすべてのモデルはOpenVINOフォーマットにエクスポートできる。
論文参考訳（メタデータ） (2021-08-30T12:23:43Z)
Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
論文参考訳（メタデータ） (2021-08-09T08:45:47Z)
Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文参考訳（メタデータ） (2021-06-07T11:37:03Z)
Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文参考訳（メタデータ） (2020-07-16T02:00:53Z)
Energy Minimization in UAV-Aided Networks: Actor-Critic Learning for Constrained Scheduling Optimization [30.742052801257998]
無人航空機 (UAV) の応用においては、UAVの限られたエネルギー供給と貯蔵がインテリジェントなエネルギー保存ソリューションの開発を引き起こしている。本稿では,データ転送スケジューリングホバリング時間を最適化するエネルギーDSOSソリューションについて検討する。
論文参考訳（メタデータ） (2020-06-24T10:44:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。