作者丨happy
编辑丨极市平台
论文链接:arXiv:2110.15352
Slides链接:-https://hanlab.mit.edu/projects/tinyml/mcunet/assets/MCUNetV2/slides.pdf
项目地址:https://hanlab.mit.edu/projects/tinyml/mcunet/
本文是MIT韩松团队继MCUNet之后关于MCU端TinyDL的又一次突破,已被NeurIPS2021接收。针对CNN在MCU端存在的不平衡内存分布 问题,提出一种patch-by-patch 推理机制;与此同时,还提出recptive field redistribution 调整感受野与FLOPs以降低整体计算负载。所提MCUNetV2取得了MCU端新的ImageNet分类记录71.8;更重要的是打通了Tiny设备上目标检测部署问题,取得了比已有方案高16.9%mAP@VOC的指标。本研究极大程度上解决了TinyML的内存瓶颈问题,为图像分类之外的其他视觉应用铺平了道路 。