hewumars
10/11/2019 - 10:47 AM
2019年模型压缩优化相关论文
- H1908.11809 FPGA
- H1908.11781 FPGA 编译器 距离相关算法
- H1908.11645 硬件加速器
- H1908.11348 AI硬件概述
- H1908.11263 PULP-NN RISC-V处理器 量化库
- H1908.10834 超负载平衡图卷积网络 动态调整计算单元
- D1908.10559 多模态分类 蒸馏
- HPQ1908.11691 忆阻器DNN 裁剪 量化
- HPQ1908.10017 忆阻器DNN 裁剪 量化
- Q1908.09756 NLP 嵌入层(向量) 端到端量化
- D1908.09511 关系蒸馏 视频检测
- D1908.09216 动态内核蒸馏 视频人体姿态估计
- SDH1908.08976 稀疏 蒸馏优化 对比韩松EIE
- Q1908.08898 量化RNN低比特 按位门控循环单元（BGRU）
- D1908.08520* 对抗知识蒸馏训练 多模型合成单个模型
- D1908.07355 对抗领域自适应 整理 迁移学习
- HQ1908.06724 FPGA 编译器 定点 0.5TFlops
- D1908.06377 蒸馏 3d姿态识别
- Q1908.05033* 差分软量化 训练过程中引入量化
- P1908.04355* 对抗裁剪
- P1908.03463 分组裁剪 稀疏诱导正则化函数
- S1908.03367 稀疏编码 交替优化 低秩
- P1908.03266 QR因式分解和列旋转 通道裁剪
- P1908.02620 通道裁剪 概率建模评估相似性 分层聚类
- P1908.02125* 自适应幅度阈值 通道裁剪
- Q1908.01477 Group-based Distribution Reshaping Quantization 2-4bit混合量化 1%精度损失
- Q1908.01073 U-Net 4conv-6activate bit量化
- D1908.00858 注意力模仿损失（AIL）、注意力暗示训练（AHT）来学习教师，将这个置信度注入训练任务中
- D1908.00821* 自我注意力蒸馏模块 车道线检测
- S1908.00173 激活梯度稀疏训练 激活梯度低于阈值随机置为0或阈值
- PQ1907.13269 MIMO多入多出通信领域 综合讨论压缩加速问题 应该是组合创新灌水
- Q1907.11900 CABAC基于上下文的自适应二进制算术编码器 视频压缩
- SP1907.11840 实例特征的裁剪 特征衰减正则化稀疏 变异系数度量
- D1907.11804 边缘设备分布式推理 模型间通信量最少
- D1907.10586* 蒸馏孪生网络跟踪 SiamRPN-19.7MB-265fps SiamFC-0.68MB-230fps
- D1907.09831 相关滤波跟踪 蒸馏 cpu 27fps
- P1907.09695 贝叶斯优化 自适应压缩/修剪 终身学习
- D1907.09682 新蒸馏loss 学生不模仿老师而是保留内部成对相似性
- D1907.09643 协作教学知识蒸馏策略 两个老师，一个从头训练老师，一个已训练老师
- P1907.09286 裁剪 Synthesis合成模型
- Q1907.07229 layer近似 量化 不懂
- D1907.06870 轻量多分割激活 不懂
- D1907.06835 平稳变化权重假设 帧间预测-layer间权重预测 单纯压缩权重？找找有没有加速
- Q1907.05686* 量化 facebook
- P1907.05642* 权重采样规则学习 优于AMC和MNasNet
- Q1907.05271* 1bit量化 优于xnornet只比全精度低7%
- P1907.04018 裁剪 数据无关 不懂
- AL1907.03540 低秩 语音识别 AutoML 奇异值分解排名选择
- AP1907.03141 AutoCompress ADMM
- D1907.02843 残差网络蒸馏 超分辨率
- P1907.02547 SOTA裁剪方法在ReID上的测试和改进
- D1907.02226 多头注意力 蒸馏
- AP1907.02124 联合权重修剪和量化 和AP1907.03141改进
- 1907.01773 GAN 反卷积拆分和重组成卷积来计算 加速
- DQ1907.00873 蒸馏 量化 Amazon
- Q1907.00593 权重归一化量化
- P1907.00262 裁剪与可解释性研究
- ROIPooling Self-Attention Distillation