题目

二值神经网络综述,Binary Neural Networks: A Survey

关键词

二进制神经网络,深度学习,模型压缩,网络量化,模型加速

简介

二进制神经网络在很大程度上节省了存储和计算成本,是一种在资源有限的设备上部署深度模型的有前途的技术。 然而,二值化不可避免地导致严重的信息丢失,甚至更糟的是,其不连续性给深度网络的优化带来了困难。 为了解决这些问题,近年来提出了多种算法,并取得了令人满意的进展。 在本文中,我们对这些算法进行了全面的概述,主要分为直接进行二值化的本机解决方案,以及使用使量化误差最小化,改善网络损耗函数和减小梯度误差等技术进行优化的解决方案。 我们还将研究二进制神经网络的其他实用方面,例如硬件友好的设计和训练技巧。 然后,我们对不同的任务进行了评估和讨论,包括图像分类,对象检测和语义分割。 最后,展望了未来研究可能面临的挑战。

作者

Haotong Qina , Ruihao Gonga , Xianglong Liu∗a,b, Xiao Baie , Jingkuan Songc , Nicu Sebe

成为VIP会员查看完整内容
52

相关内容

专知会员服务
73+阅读 · 2020年5月21日
神经网络的拓扑结构,TOPOLOGY OF DEEP NEURAL NETWORKS
专知会员服务
31+阅读 · 2020年4月15日
深度神经网络模型压缩与加速综述
专知会员服务
128+阅读 · 2019年10月12日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
119+阅读 · 2019年6月16日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
硬件加速神经网络综述
计算机研究与发展
26+阅读 · 2019年2月1日
SFFAI分享 | 杨朝晖:二值化网络
人工智能前沿讲习班
6+阅读 · 2018年11月22日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
136+阅读 · 2018年10月8日
VIP会员
相关资讯
图神经网络(Graph Neural Networks,GNN)综述
极市平台
104+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
元学习(Meta-Learning) 综述及五篇顶会论文推荐
硬件加速神经网络综述
计算机研究与发展
26+阅读 · 2019年2月1日
SFFAI分享 | 杨朝晖:二值化网络
人工智能前沿讲习班
6+阅读 · 2018年11月22日
相关论文
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
136+阅读 · 2018年10月8日
微信扫码咨询专知VIP会员