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
- Efficient Controllable Multi-Task Architectures [85.76598445904374]
本稿では,共有エンコーダとタスク固有デコーダからなるマルチタスクモデルを提案する。
我々のキーとなる考え方は、タスク固有のデコーダの容量を変化させ、計算コストの総和を制御し、タスクの重要度を制御することである。
これにより、与えられた予算に対してより強力なエンコーダを許可し、計算コストの制御を高め、高品質のスリム化サブアーキテクチャを提供することにより、全体的な精度を向上させる。
論文 参考訳(メタデータ) (2023-08-22T19:09:56Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳(メタデータ) (2023-06-05T16:01:33Z) - 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) - A3D: Adaptive 3D Networks for Video Action Recognition [17.118351068420086]
A3Dは適応的な3Dネットワークであり、幅広い計算ワンタイムトレーニングで推論できる。
ネットワーク幅と時間分解能のトレードオフによって、優れた制約が生じる。
同じ計算制約の下でも,適応型ネットワークの性能は著しく向上する。
論文 参考訳(メタデータ) (2020-11-24T21:01:11Z) - 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) - A flexible framework for communication-efficient machine learning: from
HPC to IoT [13.300503079779952]
コミュニケーション効率は現在、様々なシステムアーキテクチャで必要とされる。
圧縮レベルを各イテレーションにおける真の勾配に適応させるフレキシブルなフレームワークを提案する。
我々のフレームワークは、特定の技術の圧縮レベルに依存する通信コストをモデル化することで、ある技術から別の技術への適応が容易です。
論文 参考訳(メタデータ) (2020-03-13T16:49:08Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。