|
||
|
menu
| ||
|
|
|
|
|
BC/NW 2025 № 1 (42):8.2 ИССЛЕДОВАНИЕ МЕТОДОВ УСКОРЕНИЯ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ, ИСПОЛЬЗУЕМЫХ ДЛЯ СУПЕР-РАЗРЕШЕНИЯ Балашов СА., Орлов Д.А. Нейронные сети прочно вошли в повседневную практику обработки изображений. Одним из множества направлений обработки изображений нейросетями является задача супер-разрешения. Применение свёрточных нейронных сетей (CNN — convolutional neural network) [1] позволяет качественно воссоздать изображение высокого разрешения из оригинала низкого разрешения. Однако, такие операции требуют значительных вычислительных ресурсов. Большинство реализаций алгоритмов супер-разрешения не позволяют обрабатывать изображения в реальном времени, поэтому актуальной является задача ускорения этих. Цель работы заключается в исследовании методов ускорения свёрточных нейтронных сетей (CNN) [1] и сравнительном анализе производительности исходной и ускоренной моделей. В качестве базовой модели была выбрана сеть ESPCN, предложенная Веньчжэ Ши [5]. Для ускорения работы CNN [1] и обеспечения обработки изображений в реальном времени в данной работе будут исследованы следующие методы: оптимизация архитектуры сети (применение остаточных блоков, прунинг), квантование весов и активаций. Сравнение будет проводится по нескольким критериям: скорость работы CNN, пиковое соотношение сигналшум и визуальный анализ.
Литература 1. IBM. Convolutional Neural Networks [Электронный ресурс]: https://www.ibm.com — Электронные данные. Режим доступа: URL.: https://www.ibm.com/topics/convolutional-neural-networks, свободный. — Загл. с экрана. 2. Vadim Lebedev. ALGORITHMS FOR SPEEDING UP CONVOLUTIONAL NEURA NETWORKS [Электронный ресурс]: https://www.skoltech.ru — Электронные данные. Режим доступа: URL.: https://www.skoltech.ru/app/data/uploads/2018/10/Thesis-Final.pdf, свободный. — Загл. с экрана. 3. Christian Szegedy. Rethinking the Inception Architecture for Computer Vision / Christian Szegedy, Vincent Vanhoucke, Sergey Ioffe, Jonathon Shlens [Электронный ресурс]: https://arxiv.org — Электронные данные. Режим доступа: URL.: https://arxiv.org/pdf/1512.00567v1, свободный. — Загл. с экрана. 4. Sergey Zagoruyko. Wide Residual Networks / Sergey Zagoruyko, Nikos Komodakis [Электронный ресурс]: https://arxiv.org — Электронные данные. Режим доступа: URL.: https://arxiv.org/pdf/1605.07146v1, свободный. — Загл. с экрана. 5. Wenzhe Shi. Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network / Wenzhe Shi, Jose Caballero, Ferenc Huszár, Johannes Totz, Andrew P. Aitken, Rob Bishop, Daniel Rueckert, Zehan Wang [Элек- тронный ресурс]: https://arxiv.org — Электронные данные. Режим доступа: URL.: https://arxiv.org/abs/1609.05158, свободный. — Загл. с экрана.
|
