文章目录
内容导读
- 提示,本文阅读需具备一定的模型量化知识,请配合食用~
1、论文来源
- DAQ: Channel-Wise Distribution-Aware Quantization for Deep Image Super-Resolution Networks
- WACV 2022,韩国
- 论文下载链接
- 没有开源
2、摘要
- 本文主要针对超分辨率网络的量化方法的现存问题进行了研究,主要是:常见的模型量化方法难以应用到像素级的超分辨率任务中,现有的SR量化方法通常会大幅牺牲网络的性能。
- 因此,本文为像素级的超分辨率任务专门设计了一种新的超低精度但是很有效的量化方法。
- 同时,作者还提出了自己的发现:在SR网络中的不同特征通道之间,其数据的分布式各不相同的。对此,文中提出了逐通道的分布感知量化架构。
- 实验结果表明,与现有的量化方法相比,文中提出的DAQ架构大大降低了计算成本和对计算资源的需求,同时没有大幅损害SR网络的性能。
3、引言
-
图像超分辨率的定义、应用介绍、深度神经网络在超分辨率领域大放异彩!
-
现有的SR模型取得了出色的表现,主要受益于日益增大的模型大小、越来越复杂的模型结构设计,例如残差网络结构与空间注意力机制。然而ÿ