論文の概要: Fast and Accurate Quantized Camera Scene Detection on Smartphones,
Mobile AI 2021 Challenge: Report
- arxiv url: http://arxiv.org/abs/2105.08819v1
- Date: Mon, 17 May 2021 13:55:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-20 13:56:16.265096
- Title: Fast and Accurate Quantized Camera Scene Detection on Smartphones,
Mobile AI 2021 Challenge: Report
- Title（参考訳）: スマートフォン上での高速かつ正確な量子カメラシーン検出, モバイルAI 2021 チャレンジ
- Authors: Andrey Ignatov, Grigory Malivenko, Radu Timofte, Sheng Chen, Xin Xia,
Zhaoyan Liu, Yuwei Zhang, Feng Zhu, Jiashi Li, Xuefeng Xiao, Yuan Tian,
Xinglong Wu, Christos Kyrkou, Yixin Chen, Zexin Zhang, Yunbo Peng, Yue Lin,
Saikat Dutta, Sourya Dipta Das, Nisarg A. Shah, Himanshu Kumar, Chao Ge,
Pei-Lin Wu, Jin-Hua Du, Andrew Batutin, Juan Pablo Federico, Konrad Lyda,
Levon Khojoyan, Abhishek Thanki, Sayak Paul, Shahid Siddiqui
- Abstract要約: 我々は、量子化ディープラーニングベースのカメラシーン分類ソリューションを開発することを目的とした、最初のMobile AIチャレンジを紹介する。
提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、最近のスマートフォンプラットフォームの大部分で100-200 FPS以上を実証することができる。
- 参考スコア（独自算出の注目度）: 65.91472671013302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Camera scene detection is among the most popular computer vision problem on
smartphones. While many custom solutions were developed for this task by phone
vendors, none of the designed models were available publicly up until now. To
address this problem, we introduce the first Mobile AI challenge, where the
target is to develop quantized deep learning-based camera scene classification
solutions that can demonstrate a real-time performance on smartphones and IoT
platforms. For this, the participants were provided with a large-scale CamSDD
dataset consisting of more than 11K images belonging to the 30 most important
scene categories. The runtime of all models was evaluated on the popular Apple
Bionic A11 platform that can be found in many iOS devices. The proposed
solutions are fully compatible with all major mobile AI accelerators and can
demonstrate more than 100-200 FPS on the majority of recent smartphone
platforms while achieving a top-3 accuracy of more than 98%. A detailed
description of all models developed in the challenge is provided in this paper.
- Abstract（参考訳）: カメラのシーン検出は、スマートフォンで最も人気のあるコンピュータビジョン問題である。
このタスクのために電話メーカーによって多くのカスタムソリューションが開発されたが、これまではどのデザインモデルも公開されていなかった。
そこで本研究では,スマートフォンやiotプラットフォーム上でのリアルタイムパフォーマンスを実証することのできる,定量化されたディープラーニングベースのカメラシーン分類ソリューションの開発を目標とする,最初のモバイルaiチャレンジを紹介する。
このために参加者は、30の重要シーンカテゴリに属する11K以上の画像からなる大規模なCamSDDデータセットが提供された。
すべてのモデルのランタイムは、人気のあるApple Bionic A11プラットフォームで評価され、多くのiOSデバイスで見ることができる。
提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、最近のスマートフォンプラットフォームの大部分で100-200 FPS以上を実証し、トップ3の精度を98%以上達成することができる。
本論文では,本課題で開発されたモデルについて詳述する。
関連論文リスト
- Learned Smartphone ISP on Mobile GPUs with Deep Learning, Mobile AI &
AIM 2022 Challenge: Report [59.831324427712815]
この課題は、効率的なエンドツーエンドのAIベースの画像処理パイプラインを開発することを目的としている。
モデルはSnapdragonの8 Gen 1 GPUで評価され、一般的なディープラーニング運用の大部分で優れた加速結果が得られた。
提案されたソリューションは、最近のすべてのモバイルGPUと互換性があり、フルHD写真を20-50ミリ秒未満で処理でき、高い忠実度を達成できる。
論文 参考訳（メタデータ） (2022-11-07T22:13:10Z) - Fast and Accurate Camera Scene Detection on Smartphones [51.424407411660376]
本稿では,11K以上の手動クロール画像を含むカメラシーン検出データセット(CamSDD)を提案する。
本研究では,このデータセット上で上位3の99.5%の精度を示す,効率的かつNPU対応のCNNモデルを提案する。
論文 参考訳（メタデータ） (2021-05-17T14:06:21Z) - Fast and Accurate Single-Image Depth Estimation on Mobile Devices,
Mobile AI 2021 Challenge: Report [105.32612705754605]
そこでは、エンドツーエンドのディープラーニングベースの深度推定ソリューションを開発することが目標です。
提案したソリューションは、Raspberry Pi 4上で最大10FPSのVGA解像度深度マップを生成でき、高い忠実度を達成できる。
論文 参考訳（メタデータ） (2021-05-17T13:49:57Z) - Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI
2021 Challenge: Report [67.86837649834636]
我々は,エンド・ツー・エンドのディープラーニングベースの画像超解像ソリューションを開発することを目的とした,最初のモバイルaiチャレンジを紹介する。
提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、40-60ms以下のフルHDイメージを再構築することができる。
論文 参考訳（メタデータ） (2021-05-17T13:34:15Z) - Fast Camera Image Denoising on Mobile GPUs with Deep Learning, Mobile AI
2021 Challenge: Report [64.09439666916465]
最初のMobile AIチャレンジでは、エンドツーエンドのディープラーニングベースの画像記述ソリューションの開発を目標としています。
提案したソリューションは任意のモバイルGPUと完全に互換性があり、480pの解像度画像を40-80msで処理できる。
論文 参考訳（メタデータ） (2021-05-17T13:27:56Z)
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。