視覺(jué)深度學(xué)習(xí)模型壓縮加速綜述

摘要： 近年來(lái)，深度學(xué)習(xí)模型規(guī)模越來(lái)越大，在嵌入式設(shè)備等資源受限環(huán)境中，大規(guī)模視覺(jué)深度學(xué)習(xí)模型難以實(shí)現(xiàn)高效推理部署。模型壓縮加速可以有效解決該挑戰(zhàn)。盡管已經(jīng)出現(xiàn)相關(guān)工作的綜述，但相關(guān)工作集中在卷積神經(jīng)網(wǎng)絡(luò)的壓縮加速，缺乏對(duì)視覺(jué)Transformer模型壓縮加速方法的整理和對(duì)比分析。因此，本文以視覺(jué)深度學(xué)習(xí)模型壓縮技術(shù)為核心，對(duì)卷積神經(jīng)網(wǎng)絡(luò)和視覺(jué)Transformer模型2個(gè)最重要的視覺(jué)... （共10頁(yè)）