| 标题 |
 Anole: Adapting Diverse Compressed Models for Cross-Scene Prediction on Mobile Devices Anole：在移动设备上采用不同的压缩模型进行跨场景预测
相关领域
计算机科学
人工智能
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 新兴的物联网人工智能 （AIoT） 应用程序希望在移动设备上使用深度神经网络 （DNN） 模型进行在线预测。然而，由于设备的移动，不断出现不熟悉的测试样本，严重影响了预训练 DNN 的预测精度。此外，不稳定的网络连接需要本地模型推理。在本文中，我们提出了一种称为 Anole 的轻量级方案，用于处理移动设备上的本地 DNN 模型推理。Anole 的核心思想是首先建立一支紧凑的 DNN 模型大军，然后自适应地选择最适合当前测试样本的模型进行在线推理。关键是自动识别模型友好型场景，以训练特定于场景的 DNN 模型。为此，我们设计了一种弱监督场景表示学习算法，在分离场景中结合了人类启发式和特征相似性。此外，我们进一步训练了一个模型分类器，以预测每个测试样本最适合的特定场景的 DNN 模型。我们在不同类型的移动设备上实施 Anole，并基于无人机 （UAV） 进行了广泛的跟踪驱动和真实世界实验。结果表明，Anole 在预测精度（提高 4.5%）、响应时间（提高 33.1%）和功耗（降低 45.1%）方面胜过使用多功能大型 DNN 的方法。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
cdercder
冰魂
平常的毛豆
bc
昏睡的蟠桃
椰子在长江送礼物
科研助手6
Alex
可千万不要躺平呀
WaitP
maox1aoxin
猪猪hero
余味
HEIKU
pluto
孤独尔白
iNk
淡然的熊猫
LaTeXer
一一
皖公网安备34019202002308
